BZOJ 1834: [ZJOI2010]network 网络扩容

博客围绕网络流问题展开,提到输出文件需一行包含两个整数表示问题答案。还指出在处理时不能清空原边重新建边,因为这样求出的费用增加的K流量不一定使最大流变大K,而应在残量网络上加边。

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

 

传送门

Description

给定一张有向图,每条边都有一个容量C和一个扩容费用W。这里扩容费用是指将容量扩大1所需的费用。
求: 
1、在不扩容的情况下,1到N的最大流; 
2、将1到N的最大流增加K所需的最小扩容费用。

Input

第一行包含三个整数N,M,K,表示有向图的点数、边数以及所需要增加的流量。 
接下来的M行每行包含四个整数u,v,C,W,表示一条从u到v,容量为C,扩容费用为W的边。
N<=1000,M<=5000,K<=10

Output

输出文件一行包含两个整数,分别表示问题1和问题2的答案。

Sample Input

5 8 2
1 2 5 8
2 5 9 9
5 1 6 2
5 1 1 8
1 2 8 7
2 5 4 9
1 2 1 1
1 4 2 1

Sample Output

13 19

 

刚开始傻逼傻逼地把原边都给清空了再重新建边。这样求出来的费用所能增加的K流量,不一定能使最大流变大K,因为走法肯定是不一样了。

所以必须在残量网络(跑完最大流后)的基础上加边。

#include <bits/stdc++.h>
using namespace std;

inline int read() {
    int x = 0, f = 1; char ch = getchar();
    while (ch < '0' || ch > '9') { if (ch == '-') f = -1; ch = getchar(); }
    while (ch >= '0' && ch <= '9') { x = x * 10 + ch - 48; ch = getchar(); }
    return x * f;
}

const int N = 5e3 + 10;
const int INF = 0x3f3f3f3f;
struct E { int v, ne, f, c; } e[N * 5];
int head[N], cnt, n, m, iter[N], level[N], k;
int path[N], dis[N], x[N * 5], y[N * 5], f[N * 5], c[N * 5];
bool inq[N];

inline void add(int u, int v, int f, int c) {
    e[cnt].v = v; e[cnt].f = f; e[cnt].c = c; e[cnt].ne = head[u]; head[u] = cnt++;
    e[cnt].v = u; e[cnt].f = 0; e[cnt].c = -c; e[cnt].ne = head[v]; head[v] = cnt++;
}

bool bfs(int s, int t) {
    for (int i = 0; i <= t; i++) level[i] = -1, iter[i] = head[i];
    queue<int> que;
    que.push(s);
    level[s] = 0;
    while (!que.empty()) {
        int u = que.front(); que.pop();
        for (int i = head[u]; ~i; i = e[i].ne) {
            int v = e[i].v, f = e[i].f;
            if (level[v] < 0 && f) {
                level[v] = level[u] + 1;
                que.push(v);
            }
        }
    }
    return level[t] != -1;
}

bool spfa(int s, int t) {
    memset(dis, 0x3f, sizeof(dis));  
    memset(inq, 0, sizeof(inq));
    memset(path, -1, sizeof(path));
    queue<int> que;
    que.push(s);
    dis[s] = 0;
    inq[s] = 1;
    while (!que.empty()) {
        int u = que.front(); que.pop();
        inq[u] = false;
        for (int i = head[u]; ~i; i = e[i].ne) {
            int v = e[i].v;
            if (dis[v] > dis[u] + e[i].c && e[i].f) {
                dis[v] = dis[u] + e[i].c;
                path[v] = i;
                if (!inq[v]) {
                    que.push(v);
                    inq[v] = 1;
                }
            }
        }
    }
    return dis[t] != INF;
}

int dfs(int u, int t, int f) {
    if (u == t || !f) return f;
    int flow = 0;
    for (int i = iter[u]; ~i; i = e[i].ne) {
        iter[u] = i;
        int v = e[i].v;
        if (level[v] == level[u] + 1 && e[i].f) {
            int w = dfs(v, t, min(f, e[i].f));
            if (!w) continue;
            e[i].f -= w, e[i^1].f += w;
            flow += w, f -= w;
            if (f <= 0) break; 
        }
    }
    return flow;
}

int mcf(int s, int t) {
    int ans = 0;
    while (spfa(s, t)) {
        int x = INF;
        for (int i = path[t]; ~i; i = path[e[i^1].v]) x = min(x, e[i].f);
        ans += x * dis[t];
        for (int i = path[t]; ~i; i = path[e[i^1].v]) e[i].f -= x, e[i^1].f += x;
    }
    return ans;
}

int main() {
    memset(head, -1, sizeof(head));
    n = read(), m = read(), k = read();
    for (int i = 0; i < m; i++) {
        x[i] = read(), y[i] = read(), f[i] = read(), c[i] = read();
        add(x[i], y[i], f[i], 0);   
    }
    int ans = 0;
    for (; bfs(1, n); ans += dfs(1, n, INF));
    printf("%d ", ans);
    for (int i = 0; i < m; i++) add(x[i], y[i], INF, c[i]);
    add(0, 1, k, 0);
    printf("%d\n", mcf(0, n));
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/Mrzdtz220/p/10936841.html

资源下载链接为: https://pan.quark.cn/s/67c535f75d4c 在机器人技术中,轨迹规划是实现机器人从一个位置平稳高效移动到另一个位置的核心环节。本资源提供了一套基于 MATLAB 的机器人轨迹规划程序,涵盖了关节空间和笛卡尔空间两种规划方式。MATLAB 是一种强大的数值计算与可视化工具,凭借其灵活易用的特点,常被用于机器人控制算法的开发与仿真。 关节空间轨迹规划主要关注机器人各关节角度的变化,生成从初始配置到目标配置的连续路径。其关键知识点包括: 关节变量:指机器人各关节的旋转角度或伸缩长度。 运动学逆解:通过数学方法从末端执行器的目标位置反推关节变量。 路径平滑:确保关节变量轨迹连续且无抖动,常用方法有 S 型曲线拟合、多项式插值等。 速度和加速度限制:考虑关节的实际物理限制,确保轨迹在允许的动态范围内。 碰撞避免:在规划过程中避免关节与其他物体发生碰撞。 笛卡尔空间轨迹规划直接处理机器人末端执行器在工作空间中的位置和姿态变化,涉及以下内容: 工作空间:机器人可到达的所有三维空间点的集合。 路径规划:在工作空间中找到一条从起点到终点的无碰撞路径。 障碍物表示:采用二维或三维网格、Voronoi 图、Octree 等数据结构表示工作空间中的障碍物。 轨迹生成:通过样条曲线、直线插值等方法生成平滑路径。 实时更新:在规划过程中实时检测并避开新出现的障碍物。 在 MATLAB 中实现上述规划方法,可以借助其内置函数和工具箱: 优化工具箱:用于解决运动学逆解和路径规划中的优化问题。 Simulink:可视化建模环境,适合构建和仿真复杂的控制系统。 ODE 求解器:如 ode45,用于求解机器人动力学方程和轨迹执行过程中的运动学问题。 在实际应用中,通常会结合关节空间和笛卡尔空间的规划方法。先在关节空间生成平滑轨迹,再通过运动学正解将关节轨迹转换为笛卡
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