POJ 1459 Power Network(Dinic邻接表+当前弧优化)

2024-06-11 00:32

本文主要是介绍POJ 1459 Power Network(Dinic邻接表+当前弧优化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目链接:http://poj.org/problem?id=1459

题意:一个电网包含一些结点(电站、消费者、调度站),这些结点通过电线连接。每个结点u 可能被供给s(u)的电能,s(u)≥0;同时也可能产生p(u)的电能,0≤p(u)≤pmax(u);站点u 还有可能消费c(u)电能,0≤c(u)≤min( s(u), cmax(u) );可能传输d(u)的电能,d(u) = s(u) + p(u) - c(u)。以上这些量存在以下限制关系:对每个电站,c(u) = 0;对每个消费者,p(u) = 0;对每个调度站,p(u) = c(u) = 0。

在电网中两个结点u 和v 之间最多有一条电线连接。从结点u 到结点v 传输L(u,v)的电能,0≤L(u,v)≤Lmax(u,v)。定义Con 为c(u)的总和,表示电网中消费电能的总和。本题的目的是求Con 的最大值。

<-摘自《图论算法理论、实现及应用》->

题解:

添加一个超级源点和一个超级汇点,在源点和每个电站之间链接一条容量为pmax的弧,在消费之和汇点之间连接一条容量为cmax的弧。对于题目中给的三元组(u,v)z,从顶点u 连一条容量为z 的弧到顶点v。然后求最大流。

Dinic算法,点太多不能存邻接矩阵,采用一个数组存边,然后用当前弧优化,我把这个优化去掉就超时了。

代码:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<queue>
#include<vector>
using namespace std;
const int MAXN=100+10;
const int MAXM=MAXN*MAXN*2;
const int INF=0x3f3f3f3f;
struct arc
{int u,v,cap;arc(){};arc(int u,int v,int cap):u(u),v(v),cap(cap){};
};
arc Edge[MAXM];//存储边的信息
vector<int> pos[MAXN];//存储每个点的邻接边在Edge数组中的位置
int level[MAXN];//层次网络
int current[MAXN];//当前弧
int cnt,N,S,E;void addEdge(int u,int v,int cap)
{pos[u].push_back(cnt);Edge[cnt++]=arc(u,v,cap);pos[v].push_back(cnt);Edge[cnt++]=arc(v,u,0);
}int BFS()
{queue<int> que;que.push(S);memset(level,-1,sizeof(level));level[S]=0;while(!que.empty()){int u=que.front();que.pop();for(int v=0;v<pos[u].size();v++){arc &e=Edge[pos[u][v]];if(e.cap>0&&level[e.v]<0)//有残量而且未分配层次{level[e.v]=level[u]+1;que.push(e.v);}}}if(level[E]>0) return 1;return 0;
}int DFS(int x,int low)
{if(x==E)return low;for(int i=current[x];i<pos[x].size();i++){current[x]=i;//当前弧arc &e=Edge[pos[x][i]];//引用int a=0;if(level[e.v]==level[x]+1&&e.cap>0&&(a=DFS(e.v,min(low,e.cap)))){e.cap-=a;Edge[pos[x][i]^1].cap+=a;return a;}}return 0;
}int Dinic()
{int ans=0;while(BFS()){memset(current,0,sizeof(current));int tans;while(tans=DFS(S,INF)) ans+=tans;}return ans;
}int main()
{//freopen("in.txt","r",stdin);//freopen("out.txt","w",stdout);int n,np,nc,m;while(scanf("%d%d%d%d",&n,&np,&nc,&m)!=EOF){N=n+2;S=N-2;E=N-1;cnt=0;for(int i=0;i<N;i++){pos[i].clear();}for(int i=0;i<n;i++){pos[i].clear();}for(int i=0;i<m;i++){int u,v,z;scanf(" (%d,%d)%d",&u,&v,&z);addEdge(u,v,z);}for(int i=0;i<np;i++){int u,z;scanf(" (%d)%d",&u,&z);addEdge(S,u,z);}for(int i=0;i<nc;i++){int u,z;scanf(" (%d)%d",&u,&z);addEdge(u,E,z);}/*	for(int i=0;i<cnt;i++){cout<<Edge[i].u<<" "<<Edge[i].v<<" "<<Edge[i].cap<<endl;}*/	cout<<Dinic()<<endl;}return 0;
}



这篇关于POJ 1459 Power Network(Dinic邻接表+当前弧优化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1049702

相关文章

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

SpringBoot服务获取Pod当前IP的两种方案

《SpringBoot服务获取Pod当前IP的两种方案》在Kubernetes集群中,SpringBoot服务获取Pod当前IP的方案主要有两种,通过环境变量注入或通过Java代码动态获取网络接口IP... 目录方案一:通过 Kubernetes Downward API 注入环境变量原理步骤方案二:通过

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

golang获取当前时间、时间戳和时间字符串及它们之间的相互转换方法

《golang获取当前时间、时间戳和时间字符串及它们之间的相互转换方法》:本文主要介绍golang获取当前时间、时间戳和时间字符串及它们之间的相互转换,本文通过实例代码给大家介绍的非常详细,感兴趣... 目录1、获取当前时间2、获取当前时间戳3、获取当前时间的字符串格式4、它们之间的相互转化上篇文章给大家介

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable