让菜鸡讲一讲费用流(EK)
让我再讲一个故事吧。
又有一些小精灵要准备从银月城(S)迁徙到Nibel山(T)。
这两个地方之间的道路构成了一个网络。
每个道路都有它自己的容量,这决定了每天有多少小精灵可以同时从这儿通过。
和上一篇不同的是,由于上次迁徙的规模很大,
吸引了其它一些种族的注意,
这次每条道路都会有一些人/兽人/哥布林/...向精灵们征收过路费,
现在精灵们想知道,在花费最小的情况下,它们迁徙的速度最大是多少只每天。
费用流=最小费用最大流
在要求流最大的情况下要求费用最小,好像原来的isap已经派不上用场了呢!
让我们回到最朴实的EK算法上。
EK算法每一次只寻找一条增广路,
这带给它解决这一个方面的问题的得天独厚的优势。
这是原来的EK伪算法:
int BFS()
{
/*找到一条增广路*/
}
int ek()
{
/*对找到的增广路进行一系列处理*/
}
我们用BFS找增广路。
想象一下,
既然要求费用最小,
我们就把费用作为路径长度,
之后每一次跑一遍最短路,
那么就可以保证花费最小了!
所以,我们只要把原来的BFS()改成spfa()或者dijkstra()就好啦
ps.一般dijkstra只能跑不带负权边的图,
但是有一种特殊的技巧可以把边权魔改成正的。
以下是拿辣鸡spfa跑的费用流
#include<bits/stdc++.h>
using namespace std;
typedef pair<int,int> pii;
#define mp(a,b) make_pair(a,b)
#define ll first
#define rr second
inline int gotcha()
{
register int a=0,b=1,c=getchar();
while(!isdigit(c))b^=a=='-',c=getchar();
while(isdigit(c))a=a*10+c-48,c=getchar();
return b?a:-a;
}
const int _ = 5002 , __ = 50002<<1 , inf = 0x3f3f3f3f;
int to[__],ne[__],v[__],co[__],he[__]={0},ecnt=1;
int n,m,dis[_],pe[_],pv[_],S,T;
bool ed[_];
void adde(int a,int b,int c,int d){to[++ecnt]=b,v[ecnt]=c,co[ecnt]=d,ne[ecnt]=he[a],he[a]=ecnt;}
queue<int> q;
int spfa()
{
memset(dis,63,sizeof(dis)),memset(ed,0,sizeof(ed));
while(!q.empty())q.pop();
register int i,a;
q.push(S),ed[S]=1,dis[S]=0;
while(!q.empty())
{
a=q.front(),q.pop();ed[a]=0;
for(i=he[a];i;i=ne[i])
if(v[i]>0 && dis[to[i]]>dis[a]+co[i])
{
dis[to[i]]=dis[a]+co[i];
pe[to[i]]=i,pv[to[i]]=a;
if(!ed[to[i]])ed[to[i]]=1,q.push(to[i]);
}
}
return dis[T]<inf;
}
pii mfmc()
{
register int i,sco=0,sfl=0,flw;
while(spfa())
{
flw=inf;
for(i=T;i!=S;i=pv[i])flw=min(flw,v[pe[i]]);
for(i=T;i!=S;i=pv[i])v[pe[i]]-=flw,v[pe[i]^1]+=flw;
sco+=flw*dis[T],sfl+=flw;
}
return mp(sfl,sco);
}
int main()
{
register int i,j,k,a,b;
register pii tmp;
n=gotcha(),m=gotcha(),S=gotcha(),T=gotcha();
for(i=1;i<=m;i++)
{
j=gotcha(),k=gotcha(),a=gotcha(),b=gotcha();
adde(j,k,a,b),adde(k,j,0,-b);
}
tmp=mfmc();
printf("%d %d",tmp.ll,tmp.rr);
return 0;
}
这就不写伪代码了吧!?
以后补
让菜鸡讲一讲费用流(EK)的更多相关文章
- HDU 2064 菜鸡第一次写博客
果然集训就是学长学姐天天传授水铜的动态规划和搜索,今天讲DP由于困意加上面瘫学长"听不懂就是你不行"的呵呵传授,全程梦游.最后面对连入门都算不上的几道动态规划,我的内心一片宁静,甚 ...
- 配置魔药 [NOIP模拟] [DP] [费用流]
问题描述在<Harry Potter and the Chamber of Secrets>中,Ron 的魔杖因为坐他老爸的 Flying Car 撞到了打人柳,不幸被打断了,从此之后,他 ...
- 一个数学不好的菜鸡的快速沃尔什变换(FWT)学习笔记
一个数学不好的菜鸡的快速沃尔什变换(FWT)学习笔记 曾经某个下午我以为我会了FWT,结果现在一丁点也想不起来了--看来"学"完新东西不经常做题不写博客,就白学了 = = 我没啥智 ...
- BZOJ5120 [2017国家集训队测试]无限之环 费用流
欢迎访问~原文出处——博客园-zhouzhendong 去博客园看该题解 题目传送门 - BZOJ5120 题意概括 原题挺简略的. 题解 本题好难. 听了任轩笛大佬<国家队神犇>的讲课才 ...
- 初识费用流 模板(spfa+slf优化) 餐巾计划问题
今天学习了最小费用最大流,是网络流算法之一.可以对于一个每条边有一个容量和一个费用(即每单位流的消耗)的图指定一个源点和汇点,求在从源点到汇点的流量最大的前提下的最小费用. 这里讲一种最基础也是最好掌 ...
- 【BZOJ4849】[Neerc2016]Mole Tunnels 模拟费用流
[BZOJ4849][Neerc2016]Mole Tunnels Description 鼹鼠们在底下开凿了n个洞,由n-1条隧道连接,对于任意的i>1,第i个洞都会和第i/2(取下整)个洞间 ...
- 渣渣菜鸡的 ElasticSearch 源码解析 —— 启动流程(下)
关注我 转载请务必注明原创地址为:http://www.54tianzhisheng.cn/2018/08/12/es-code03/ 前提 上篇文章写完了 ES 流程启动的一部分,main 方法都入 ...
- 渣渣菜鸡的 ElasticSearch 源码解析 —— 启动流程(上)
关注我 转载请务必注明原创地址为:http://www.54tianzhisheng.cn/2018/08/11/es-code02/ 前提 上篇文章写了 ElasticSearch 源码解析 -- ...
- [tyvj-2054][Nescafé29]四叶草魔杖 费用流
lyd讲的最小生成树的题. 道理我都懂,费用流多好写,又好调.但和一般费用流不一样的就是它走过一次后费用需调成0,但是再等回流,就恢复原状即可. #include <queue> #inc ...
随机推荐
- Linux CentOS下安装Tomcat9
本文讲解在Linux CentOS下安装Tomcat9,以及Web项目的部署发布. 环境:阿里云ECS 云服务器Linux CentOS 使用XShell客户端连接服务器,进行操作实践. 1.下载To ...
- ffmpeg:编解码过程,基本用法
1 术语: 什么是影片?其实就是一组(很多张)图片,时间间隔很小的连续展示出来,人们就觉得画面中的人物在动,这就是影片.那电影的实质就是N多张图片的集合.那 每张图片和帧又有什么关系呢?事实上,如果 ...
- 使用extentreports美化testng报告2,增加监听
有兴趣研究了extentreports报告美化插件,但是因为发现插件有很多内容不能自定义,所以放弃了这个插件,我扩充了官方代码的demo,在testng中增加了监听,并打印了一些测试用例,现在我把两个 ...
- 将TIMESTAMP类型的差值转化为秒的方法
两个TIMESTAMP之差得到的是INTERVAL类型,而有时我们只需要得到两个时间相差的秒数,如果变成INTERVAL之后,想要获取这个值会非常麻烦. 比较常见的方法是使用EXTRACT来抽取获得的 ...
- 进程、内存的理想与现实 VS 虚拟内存
理想情况下一个进程的运行,需要一块足够大的连续的内存进行装载. 现状: 1)内存不够大:分解进程内存空间. 2)内存不连续:内存映射.
- 引用类型(三):Function类型
一. Function类型函数实际上是对象.每个函数都是Function类型都实例,而且都与其他引用类型一样具有属性和方法.由于函数是对象,因此函数名实际上也是一个指向函数对象都指针.1.函数通常是使 ...
- 【转载】刘昕明:送给和我一样曾经浮躁过的PHP程序员
刘昕明:送给和我一样曾经浮躁过的PHP程序员 来源:刘昕明博客 作者:刘昕明 2012年偶决定开始写博客了,不为别的,就希望可以通过博客记录我的成长历程同时也希望可以帮助一些刚毕业,刚 ...
- ref 微软官网
https://docs.microsoft.com/zh-cn/previous-versions/14akc2c7(v=vs.110)
- 卷积神经网络CNN理解
自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet.cuda-convnet2. ...
- 递归函数之阶乘和字符串反转-基于R和Python
Python课第五周开始讲函数了.递归函数.递归在python中不能超过900多层,否则报错内存溢出什么的.同样在R中递归太深也会报错,阈值和python中大概一样,900多次就报错了. error ...