Minimum Cost----最小费用流

本文介绍了一种解决资源分配问题的最小费用最大流算法,并通过实例展示了如何应用该算法来优化资源分配过程,降低总成本。

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

题目:http://poj.org/problem?id=2516

源代码:

#include <stdio.h>
#include <string.h>
#include <algorithm>
#include <queue>
#define INF 1e9
#define MAXN 110

const int N = 200, M = 10010;

using namespace  std;

int n,m,k,ans;

int cost[MAXN][MAXN][MAXN];

int need[MAXN][MAXN],sale[MAXN][MAXN];

int sasum[MAXN],nesum[MAXN];

struct MinCostMaxFlow {
    int e, ev[M], nxt[M], head[N];
    int  cost[M], dist[N];
    int cap[M];
    int pnt[N], road[N], q[N], bg, ed;
    bool vis[N];

 void init(int n) {
   e = 0;
   for(int i=0;i<=n;i++)
    head[i]=-1;
  }

 void addedge(int u, int v, int f, int  c) { //u->v flow=f, cost=c
   ev[e]=v; cap[e]=f; cost[e]=c; nxt[e]=head[u]; head[u]=e++;
   ev[e]=u; cap[e]=0; cost[e]=-c; nxt[e]=head[v]; head[v]=e++;
   }

 bool spfa(int s, int t, int n) {
     for(int i=0;i<=n;i++)  {  dist[i]=INF;  vis[i]=0; }
     bg = ed = dist[s] = 0;
     pnt[s] = s; q[ed++] = s;
     while (bg != ed) {
         int u = q[bg++]; vis[u] = 0;
         if (bg == N) bg = 0;
         for (int i = head[u]; ~i; i = nxt[i]) {
            if (cap[i] <= 0)  continue;
            int v = ev[i];
            if (dist[v] > dist[u] + cost[i]) {
                dist[v] = dist[u] + cost[i];
                pnt[v] = u; road[v] = i;
            if (!vis[v]) {
                q[ed++] = v; vis[v] = 1;
                if(ed == N)ed = 0;
                }
            }
        }
    }
    return dist[t] != INF;
}

 void mincost(int s, int t, int n, int &f, int  &c) {
        c = f = 0;
        while(spfa(s, t, n)){
            int minf = INF;
            for(int u = t; u != s; u = pnt[u])
                minf = min(minf, cap[road[u]]);
                for(int u = t; u != s; u = pnt[u]){
                    cap[road[u]] -= minf;
                    cap[road[u] ^ 1] += minf;
                    }
                f += minf;
                c += minf * dist[t];
            }
    }
};

int solve(int x)
{
    MinCostMaxFlow ans;
    int ans1,ans2;

    ans.init(m+n+1);

    for(int i=1;i<=m;i++)
    ans.addedge(0,i,sale[i][x],0);

    for(int i=1;i<=m;i++)
      for(int j=1;j<=n;j++)
    ans.addedge(i,j+m,INF,cost[x][j][i]);

    for(int i=1;i<=n;i++)
    ans.addedge(m+i,m+n+1,need[i][x],0);

    ans.mincost(0,m+n+1,m+n+2,ans1,ans2);

    return ans2;
}

int  main()
{
   // freopen("D:\\a.txt","r",stdin);
  while(true)
  {
      memset(sasum,0,sizeof(sasum));
      memset(nesum,0,sizeof(nesum));

      scanf("%d %d %d",&n,&m,&k);
      if(!n&&!m&&!k)  break;
      for(int i=1;i<=n;i++)
      {
          for(int j=1;j<=k;j++)
          {
              scanf("%d",&need[i][j]);
              nesum[j]+=need[i][j];
          }
      }

      for(int i=1;i<=m;i++)
      {
          for(int j=1;j<=k;j++)
          {
              scanf("%d",&sale[i][j]);
              sasum[j]+=sale[i][j];
          }
      }

    for(int p=1;p<=k;p++)
      for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
         scanf("%d",&cost[p][i][j]);

    int flag=1;
    for(int i=1;i<=k;i++)
     if(sasum[i]<nesum[i])
     {
         printf("-1\n");
         flag=0;
        break;
     }
     if(!flag)  continue;
      ans=0;
      for(int i=1;i<=k;i++)
      {
          int tmp=solve(i);
             ans+=tmp;
      }
      if(flag)  printf("%d\n",ans);
  }
  return 0;
}


### 福特-富尔克森算法在最小费用最大问题中的应用 在网络优化领域,福特-富尔克森(Ford-Fulkerson)方法主要用于求解最大问题。然而,在处理最小费用最大(Minimum Cost Maximum Flow, MCMF)问题时,该算法需结合成本考虑。 #### 基本概念 MCMF问题是给定带权图\(G=(V,E)\),每条边\((u,v)\in E\)不仅有容量约束\(c(u,v)\geq0\)还关联着单位量的成本\(w(u,v)\)[^1]。目标是在满足源节点到汇节点之间传输尽可能多的同时使总运输成本最低。 #### 扩展的Ford-Fulkerson实现思路 为了适应这一需求,可以在原有基础上引入增广路径的选择策略——优先选取能够带来更少额外开销的道路来增加当前已找到的最大值直到无法再改进为止: 1. 初始化零; 2. 构建残留网络并寻找从起点至终点具有负环路或正向剩余容量且累积权重较小的一条简单路径作为新的增广路线; 3. 更新沿此路径上的实际动量以及相应调整后的残差能力直至不存在符合条件的新通路; 这种方法实际上就是Edmonds-Karp算法的一种变体形式之一,它通过最短路径优先(Bellman-Ford 或 SPFA)来找寻每次迭代过程里最优增量方案从而保证最终得到的结果既是最优也是可行解[^2]。 ```python from collections import deque def min_cost_max_flow(graph, source, sink): n = len(graph) parent = [-1]*n def bellman_ford(): dist = [float('inf')]*n dist[source], queue = 0, deque([source]) while queue: u = queue.popleft() for v in range(n): weight, capacity = graph[u][v] if capacity > 0 and dist[v] > dist[u]+weight: dist[v] = dist[u]+weight parent[v] = u if v not in queue: queue.append(v) return True if dist[sink]!= float('inf') else False maxFlow, totalCost = 0, 0 while bellman_ford(): pathFlow = float('Inf') s = sink while(s != source): pathFlow = min(pathFlow, graph[parent[s]][s][1]) s = parent[s] maxFlow += pathFlow v = sink while(v != source): u = parent[v] graph[u][v][1]-=pathFlow graph[v][u][1]+=pathFlow # Update costs based on the direction of flow adjustment. if graph[u][v][1]>0: totalCost+=graph[u][v][0]*pathFlow elif graph[v][u][1]==0: totalCost-=graph[u][v][0]*pathFlow v=u return {'max_flow': maxFlow,'min_cost':totalCost} ```
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