【ZJOI2009】狼和羊的故事

探讨了如何通过最小割算法解决羊狼合养问题,确保狼和羊各自待在领地内,同时使得添加的篱笆长度最短。文章详细介绍了算法实现过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

  “狼爱上羊啊爱的疯狂,谁让他们真爱了一场;狼爱上羊啊并不荒唐,他们说有爱就有方向......”
  Orez听到这首歌,心想:狼和羊如此和谐,为什么不尝试羊狼合养呢?说干就干!
  Orez的羊狼圈可以看作一个n*m个矩阵格子,这个矩阵的边缘已经装上了篱笆。可是Drake很快发现狼再怎么也是狼,它们总是对羊垂涎三尺,那首歌只不过是一个动人的传说而已。所以Orez决定在羊狼圈中再加入一些篱笆,还是要将羊狼分开来养。
  通过仔细观察,Orez发现狼和羊都有属于自己领地,若狼和羊们不能呆在自己的领地,那它们就会变得非常暴躁,不利于他们的成长。
  Orez想要添加篱笆的尽可能的短。当然这个篱笆首先得保证不能改变狼羊的所属领地,再就是篱笆必须修筑完整,也就是说必须修建在单位格子的边界上并且不能只修建一部分。

分析

因为用篱笆将狼和羊分开,也就是将狼和羊割成两块,那么考虑做最小割。
连边:源点s向每只狼连一条无穷大的边,然后每只羊向汇点t连一条无穷大的边,接着每只狼和每块空地向相邻的每块空地和每只羊连一条1的边。

#include <cmath>
#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <algorithm>
#include <queue>
const int maxlongint=2147483647;
const int mo=1000000007;
const int N=11105;
using namespace std;
int next[N*5],last[N],f[N*5],to[N*5],up[N*5],tot,n,m,a[111][111],d[N*10],dis[N];
int zz[4][2]=
{
 {0,1},
 {1,0},
 {0,-1},
 {-1,0}
};
int bj(int x,int y,int z)
{
    next[++tot]=last[x];
    last[x]=tot;
    to[tot]=y;
    f[tot]=z;
    
    up[tot]=++tot;
    up[tot]=tot-1;
    
    next[tot]=last[y];
    last[y]=tot;
    to[tot]=x;
    f[tot]=0;
    
}
int bfs()
{
    memset(dis,0,sizeof(dis));
    d[1]=0;
    dis[0]=1;
    int head=0,tail=1,k;
    while(head<tail)
    {
        k=d[++head];
        for(int i=last[k];i;i=next[i])
        {
            int j=to[i];
            if(f[i]>0 && !dis[j])
            {
                dis[j]=dis[k]+1;
                d[++tail]=j;
            }
        }
    }
    if(!dis[n*m+n]) return false;
        else return true;
}
int aug(int x,int y)
{
    if(x==n*m+n) return y;
    for(int i=last[x];i;i=next[i])
    {
        int j=to[i];
        if(dis[x]+1==dis[j] && f[i]>0)
        {
            int o=aug(j,min(y,f[i]));
            if(o>0)
            {
                f[i]-=o;
                f[up[i]]+=o;
                return o;
            }
        }
    }
    return 0;
}
int main()
{
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
        {
            int pos=(i-1)*m+j;
            scanf("%d",&a[i][j]);
            if(a[i][j]==1)
                bj(0,pos,maxlongint);
            if(a[i][j]==2)
                bj(pos,n*m+n,maxlongint);
        }
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
            for(int k=0;k<=3;k++)
            {
                int xx=i+zz[k][0],yy=j+zz[k][1];
                if(xx<1 || yy<1 || xx>n || yy>m) continue;
                int pos=(i-1)*m+j,pos1=(xx-1)*m+yy;
                if(a[i][j]!=2)
                    if(a[xx][yy]!=1) bj(pos,pos1,1);
            }
    int ans=0;
    while(bfs()) 
        ans+=aug(0,maxlongint);
    cout<<ans<<endl;
}

转载于:https://www.cnblogs.com/chen1352/p/9066575.html

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例GUI设计,确保方案的可复现性实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值