zoukankan      html  css  js  c++  java
  • HDU

    (点击此处查看原题)

    匈牙利算法简介

     个人认为这个算法是一种贪心+暴力的算法,对于二分图的两部X和Y,记x为X部一点,y为Y部一点,我们枚举X的每个点x,如果Y部存在匹配的点y并且y没有被其他的x匹配,那就直接匹配;如果Y中已经没有可以和x匹配的点(包括可以匹配的点已经被其他的x匹配),那就让已经匹配的y的原配x'寻找其他可以匹配的y’,并将y和x匹配,最后,统计出匹配的对数

    (详细了解的话,可以看看这位的博客:https://blog.csdn.net/sunny_hun/article/details/80627351

    题意

    在一个n*n的网格中,存在一些墙壁,用'X‘表示,我们需要摆放blockhouse,由于每个blockhouse会向四周发射子弹,所以任意两个blockhouse不能在一条直线上,除非他们之间有墙壁分隔,问在给定的网格中,最多可以摆放多少个blockhouse

    解题思路

    (一开始我想用深搜暴力写的,过了样例,但是WA了,觉得自己的暴力写法没什么问题的,但是一直过不了,就只能放弃暴力了)

    注意到如果我们在每个点放置了blockhouse,那么这个blockhouse向四个方向延申至墙壁或者边界,这个blockhouse可以视作是由一段连续的横区间和纵区间的交点,如下图所示:

    因此,我们发现,连续的纵横区间的交点形成一个blockhouse,并使得这两个区间都无法放置其他的blockhouse,由此看出这是一个求二分图最大匹配的问题

    我们将连续的纵区间当作一个点,作为X部,将练习的横区间当作一个点,作为Y部,对于相交的横纵区间,我们由纵区间代表的点向横坐标代表的点建边,构建二分图

    随后我们可以通过将二分图转化使用最大流求解,也可以用匈牙利算法求解,由于Dinic算法代码量冗长,这里就采用了匈牙利算法求解

    代码区

    #include<iostream>
    #include<cstdio>
    #include<algorithm>
    #include<cstring>
    #include<queue>
    #include<string>
    #include<fstream>
    #include<vector>
    #include<stack>
    #include <map>
    #include <iomanip>
    
    #define bug cout << "**********" << endl
    #define show(x, y) cout<<"["<<x<<","<<y<<"] "
    #define LOCAL = 1;
    using namespace std;
    typedef long long ll;
    const int inf = 1e7 + 10;
    const ll mod = 1e9 + 7;
    const int Max = 1e6 + 10;
    const int Max2 = 3e2 + 10;
    
    
    int n;
    char mp[5][5];
    int row_id[5][5], col_id[5][5], cnt_row, cnt_col;    //记录每个点所处的行、列编号
    bool edge[20][20], vis[20];                            //代表是否配对以及是否已经占用
    int match[20];
    
    bool dfs(int x)
    {
        for (int i = 0; i < cnt_col; i++)
        {
            if (edge[x][i] && !vis[i])
                //used表示曾试图改变i的匹配对象,但是没有成功的话(used[i]= true),所以就无需继续
            {
                vis[i] = true;
                if (match[i] == -1 || dfs(match[i]))    //i没有匹配对象,或者i原来的匹配对象还可以和其他的匹配
                {
                    match[i] = x;
                    return true;
                }
            }
        }
        return false;
    }
    
    int solve()
    {
        int res = 0;
        memset(match, -1, sizeof(match));
        for (int i = 0; i < cnt_row; i++)
        {
            memset(vis, 0, sizeof(vis));
            if (dfs(i))
                res++;
        }
        return res;
    }
    
    int main()
    {
    #ifdef LOCAL
        //    freopen("input.txt", "r", stdin);
        //    freopen("output.txt", "w", stdout);
    #endif
        while (scanf("%d", &n) != EOF && n)
        {
            cnt_row = cnt_col = 0;
            memset(edge, 0, sizeof(edge));
    
            for (int i = 1; i <= n; i++)
            {
                scanf("%s", mp[i] + 1);
            }
    
            for (int i = 1; i <= n; i++)
            {
                for (int j = 1; j <= n; j++)
                {
                    if (mp[i][j] == '.')
                    {
                        int u = 0, v = 0;
                        if (j == 1 || mp[i][j - 1] == 'X')
                            u = cnt_row++;
                        else
                            u = row_id[i][j - 1];
    
                        if (i == 1 || mp[i - 1][j] == 'X')
                            v = cnt_col++;
                        else
                            v = col_id[i - 1][j];
    
                        edge[u][v] = true;
    
                        row_id[i][j] = u;
                        col_id[i][j] = v;
                    }
                }
            }
            printf("%d
    ", solve());
        }
        return 0;
    }
    View Code

    题外延申

    匈牙利算法复杂度O(VE)

    最小点覆盖=最大匹配数

    最小边覆盖=左右点数-最大匹配数

    最小路径覆盖=点数-最大匹配数

    最大独立集=点数-最大匹配数

  • 相关阅读:
    《Geometric Deep Learning综述介绍》
    《和想象不太一样的'Graph Neural Network + Zero Shot'》
    《几何深度学习前沿》
    《【Paper Live】滴滴出行-探索资源约束的Contextual Bandits问题 & KDD Cup滴滴出行比赛解读>
    《PDP: 解决约束满足问题的神经网络架构 | 刘晶 | 集智俱乐部图网络论文读书会20190819》
    《NeuroSAT: Learning a SAT Solver from Single-Bit Supervision》
    《OR Talk NO.5 | Facebook 田渊栋:用深度(强化)学习为组合优化寻找更好的启发式搜索策略》
    《OR Talk NO.15 | 在业界实验室做AI设计师是一种什么体验?》
    超级跳马 —— 矩阵快速幂优化DP
    图SLAM:Noob的同时本地化和映射指南
  • 原文地址:https://www.cnblogs.com/winter-bamboo/p/11438067.html
Copyright © 2011-2022 走看看