hihocoder1393 网络流三·二分图多重匹配

本文介绍了一种基于二分图的多重匹配算法实现。通过使用网络流算法,特别是Dinic算法来解决二分图中节点间的多重匹配问题。文章详细展示了算法的C++代码实现过程,包括增广路径搜索、流量更新等关键步骤。

网络流三·二分图多重匹配

就是个模板

#include<iostream> 
#include<cstdio>
#include<queue>
#include<algorithm>
using namespace std;
struct node
{
    int point;
    int nxt;
    int value;
};
node line[500000];
int head[5000],tail=-1;
void add(int x,int y,int z)
{
    line[++tail].point=y;
    line[tail].value=z;
    line[tail].nxt=head[x];
    head[x]=tail;
    line[++tail].point=x;
    line[tail].value=0;
    line[tail].nxt=head[y];
    head[y]=tail;
}
int dep[50000],cur[50000];
bool BFS(int begin,int end)
{
    for(int i=begin;i<=end;i++)
    {
        dep[i]=0;
        cur[i]=head[i];
    }
    queue<int>q;
    q.push(begin);
    dep[begin]=1;
    while(!q.empty())
    {
        int pas=q.front();
        q.pop();
        for(int i=head[pas];i!=-1;i=line[i].nxt)
            if(!dep[line[i].point]&&line[i].value)
            {
                dep[line[i].point]=dep[pas]+1;
                q.push(line[i].point);
            }
    }
    if(dep[end])
        return true;
    return false;
    
}
int dfs(int now,int aim,int limte)
{
    if(now==aim||!limte)
        return limte;
    int flow=0,f;
    for(int i=cur[now];i!=-1;i=line[i].nxt)
    {
        cur[now]=i;
        if(dep[line[i].point]==dep[now]+1&&(f=dfs(line[i].point,aim,min(limte,line[i].value))))
        {
            flow+=f;
            limte-=f;
            line[i].value-=f;
            line[i^1].value+=f;
            if(!limte)
                break;
        }   
    }
    return flow;
}
int dinic(int begin,int end)
{
    int res=0;
    while(BFS(begin,end))
        res+=dfs(begin,end,0x7fffffff);
    return res;
}
int k[10000];
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        int n,m;
        scanf("%d%d",&n,&m);
        for(int i=0;i<=n+m+1;i++)
            head[i]=-1;
        tail=-1;
        for(int i=1;i<=m;i++)
            scanf("%d",&k[i]);
        int num,data,pas;
        for(int i=1;i<=n;i++)
        {
            scanf("%d%d",&num,&data);
            add(0,i,num);
            for(int j=1;j<=data;j++)
            {
                scanf("%d",&pas);
                add(i,n+pas,1);
            }
        }
        for(int i=1;i<=m;i++)
            add(n+i,n+m+1,k[i]);
        dinic(0,n+m+1);
        bool fail=true;
        for(int i=head[n+m+1];i!=-1;i=line[i].nxt)
            if(line[i^1].value)
            {
                printf("No\n");
                fail=false;
                break;
            }
        if(fail)
            printf("Yes\n");    
    }
}

转载于:https://www.cnblogs.com/Lance1ot/p/9021903.html

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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