POJ 1273 -Drainage Ditches

 Time Limit:1000MS    Memory Limit:10000K

Description

      Every time it rains on Farmer John's fields, a pond forms over Bessie's favorite clover patch. This means that the clover is covered by water for awhile and takes quite a long time to regrow. Thus, Farmer John has built a set of drainage ditches so that Bessie's clover patch is never covered in water. Instead, the water is drained to a nearby stream. Being an ace engineer, Farmer John has also installed regulators at the beginning of each ditch, so he can control at what rate water flows into that ditch. 
      Farmer John knows not only how many gallons of water each ditch can transport per minute but also the exact layout of the ditches, which feed out of the pond and into each other and stream in a potentially complex network. 
      Given all this information, determine the maximum rate at which water can be transported out of the pond and into the stream. For any given ditch, water flows in only one direction, but there might be a way that water can flow in a circle. 

     每次下雨的时候,农场主John的农场里就会形成一个池塘,这样就会淹没其中一小块土地,在这块土地上种植了Bessie最喜欢的苜蓿。这意味着苜蓿要被水淹没一段时间,而后要花很长时间才能重新长出来。因此,John修建了一套排水系统,这样种植了苜蓿的土地就不会被淹没。雨水被排到了附近的一条小河中。作为一个一流的工程师,John还在每条排水沟的起点安装了调节阀门,这样可以控制流入排水沟的水流的速度。

    John不仅知道每条排水沟每分钟能排多少加仑的水,而且还知道整个排水系统的布局,池塘里的水通过这个排水系统排到排水沟,并最终排到小何中,构成一个复杂的排水网络。

    给定排水系统,计算池塘能通过这个排水系统排水到小河中的最大水流速度。每条排水沟的流水方向是单方向的,但在排水系统中,流水可能构成循环。

Input

    The input includes several cases. For each case, the first line contains two space-separated integers, N (0 <= N <= 200) and M (2 <= M <= 200). N is the number of ditches that Farmer John has dug. M is the number of intersections points for those ditches. Intersection 1 is the pond. Intersection point M is the stream. Each of the following N lines contains three integers, Si, Ei, and Ci. Si and Ei (1 <= Si, Ei <= M) designate the intersections between which this ditch flows. Water will flow through this ditch from Si to Ei. Ci (0 <= Ci <= 10,000,000) is the maximum rate at which water will flow through the ditch.

     输入文件中包含多个测试数据。每个测试数据的第1行为两个整数M和N,用空格隔开。0≤M≤200,2≤N≤200,其中M是排水沟的数目,N是这些排水沟形成的汇合结点数目。结点1为池塘,结点N为小河。接下来有M行,每行描述了一条排水沟,用三个整数来描述:Si,Ei和Ci,其中Si和Ei(1≤Si,Ei≤N)标明了这条排水沟的起点和终点,水流从Si流向Ei,Ci(0≤Ci≤10 000 000)表示通过这条排水沟的最大流水速度。

 

Output

      For each case, output a single integer, the maximum rate at which water may emptied from the pond.

   对于输入文件中的每个测试数据,输出一行,为一个整数,表示整个排水系统可以从池塘排出水的最大速度。

 

Sample Input

 

5 4
1 2 40
1 4 20
2 4 20
2 3 30
3 4 10

 

Sample Output

 

50

 

Source

 

   USACO 93
 
   
    然而这道题目就是赤裸裸的求容量网络中的最大流...

    代码:

 1 var
 2   c,e,n,m,i,s,t:longint;
 3   ans,inf:int64;
 4   h,d,f,g:array[0..5000]of longint;
 5   ot,cap,ne:array[0..100000]of longint;
 6 
 7 procedure addedge(x,y,z:longint);
 8 begin
 9   ot[e]:=y; ne[e]:=g[x]; cap[e]:=z; g[x]:=e; inc(e);
10   ot[e]:=x; ne[e]:=g[y]; cap[e]:=0; g[y]:=e; inc(e);
11 end;
12 
13 function min(a,b:int64):int64;
14 begin
15   if a<b then exit(a)
16          else exit(b);
17 end;
18 
19 function bfs:boolean;
20 var
21   l,r,x,p:int64;
22 begin
23   for i:=1 to n do d[i]:=n+10;
24   l:=0; r:=1; h[1]:=s; d[s]:=0;
25   while l<r do
26     begin
27       inc(l);
28       p:=g[h[l]];
29       while p<>-1 do
30         begin
31           if (cap[p]<>0)and(d[ot[p]]>d[h[l]]+1) then
32             begin
33               inc(r);
34               h[r]:=ot[p];
35               d[ot[p]]:=d[h[l]]+1;
36             end;
37           p:=ne[p];
38         end;
39     end;
40   exit(d[t]<>n+10);
41 end;
42 
43 function dfs(x,flow:int64):int64;
44 var
45   p,tmp:int64;
46 begin
47   if x=t then exit(flow);
48   p:=f[x]; dfs:=0;
49   while (p<>-1)and(dfs<flow) do
50     begin
51       if (cap[p]<>0)and(d[ot[p]]=d[x]+1) then
52         begin
53           tmp:=dfs(ot[p],min(flow-dfs,cap[p]));
54           dec(cap[p],tmp);
55           inc(cap[p xor 1],tmp);
56           inc(dfs,tmp);
57         end;
58       p:=ne[p];
59     end;
60   f[x]:=p;
61 end;
62 
63 begin
64   inf:=high(int64);
65   while not eof do begin
66   readln(m,n);
67   e:=0;
68   fillchar(g,sizeof(g),255);
69   for i:=1 to m do
70     begin
71       readln(s,t,c);
72       addedge(s,t,c);
73     end;
74   s:=1; t:=n; ans:=0;
75   while bfs do
76     begin
77       for i:=1 to n do
78         f[i]:=g[i];
79       inc(ans,dfs(s,inf));
80     end;
81   writeln(ans); end;
82 end.

 

 

 

 

 

 

转载于:https://www.cnblogs.com/kry-ssw-1314/p/4559239.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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