二分图最小点覆盖和最大独立集都可以转化为最大匹配求解。在这个基础上,把每个点赋予一个非负的权值,这两个问题就转化为:二分图最小点权覆盖和二分图最大点权独立集。
二分图最小点权覆盖
从x或者y集合中选取一些点,使这些点覆盖所有的边,并且选出来的点的权值尽可能小。
建模:
原二分图中的边(u,v)替换为容量为INF的有向边(u,v),设立源点s和汇点t,将s和x集合中的点相连,容量为该点的权值;将y中的点同t相连,容量为该点的权值。在新图上求最大流,最大流量即为最小点权覆盖的权值和。
二分图最大点权独立集
在二分图中找到权值和最大的点集,使得它们之间两两没有边。其实它是最小点权覆盖的对偶问题。答案=总权值-最小点覆盖集。具体证明参考胡波涛的论文。
例:HDU1569
题意:一个m*n的棋盘,每个格子都有一个权值,从中取出某些数,使得任意两个数所在的格子没有公共边,并且所取去出的数和最大。求这个最大的值。
解:
将格子染色成二分图,显然是求二分图的最大点权独立集。将问题转化为二分图最小点权覆盖来求解,最终结果=总权和-最大流。
/*
最大点权独立集:
转化为最小点权覆盖问题,最大点权独立集=总权值-最小点权覆盖集
最小点权覆盖:
设立源点s和t,s连边到点i,容量为i点的权值;点j连边到t,容量为j点权值;原二分图中的边容量为INF,求最大流即为最小点权覆盖。
*/
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int INF = 0x7fffffff;
const int maxv = 2600;
const int maxe = 1000000;
int n,m;
int g[55][55];
struct Edge
{
int v;
int next;
int flow;
};
Edge e[maxe];
int head[maxv],edgeNum;
int now[maxv],d[maxv],vh[maxv],pre[maxv],preh[maxv];
int start,end;
void addEdge(int a,int b,int c)
{
e[edgeNum].v = b;
e[edgeNum].flow = c;
e[edgeNum].next = head[a];
head[a] = edgeNum++;
e[edgeNum].v = a;
e[edgeNum].flow = 0;
e[edgeNum].next = head[b];
head[b] = edgeNum++;
}
void Init()
{
edgeNum = 0;
memset(head,-1,sizeof(head));
memset(d,0,sizeof(d));
}
int sap(int s,int t,int n) //源点,汇点,结点总数
{
int i,x,y;
int f,ans = 0;
for(i = 0; i < n; i++)
now[i] = head[i];
vh[0] = n;
x = s;
while(d[s] < n)
{
for(i = now[x]; i != -1; i = e[i].next)
if(e[i].flow > 0 && d[y=e[i].v] + 1 == d[x])
break;
if(i != -1)
{
now[x] = preh[y] = i;
pre[y] = x;
if((x=y) == t)
{
for(f = INF,i=t; i != s; i = pre[i])
if(e[preh[i]].flow < f)
f = e[preh[i]].flow;
ans += f;
do
{
e[preh[x]].flow -= f;
e[preh[x]^1].flow += f;
x = pre[x];
}while(x!=s);
}
}
else
{
if(!--vh[d[x]])
break;
d[x] = n;
for(i=now[x]=head[x]; i != -1; i = e[i].next)
{
if(e[i].flow > 0 && d[x] > d[e[i].v] + 1)
{
now[x] = i;
d[x] = d[e[i].v] + 1;
}
}
++vh[d[x]];
if(x != s)
x = pre[x];
}
}
return ans;
}
void build()
{
int i,j;
for(i = 1; i <= m; i++)
{
for(j = 1; j <= n; j++)
{
int t = (i-1)*n+j;
if((i+j)%2)
{
addEdge(start,t,g[i][j]);
if(i>1)
addEdge(t,t-n,INF);
if(i<m)
addEdge(t,t+n,INF);
if(j>1)
addEdge(t,t-1,INF);
if(j<n)
addEdge(t,t+1,INF);
}
else
addEdge(t,end,g[i][j]);
}
}
}
int main()
{
int i,j;
int result;
while(scanf("%d %d",&m,&n) != EOF)
{
result = 0;
Init();
for(i = 1; i <= m; i++)
{
for(j = 1; j <= n; j++)
{
scanf("%d",&g[i][j]);
result += g[i][j];
}
}
start = 0;
end = n*m + 1;
build();
printf("%d\n",result-sap(start,end,end+1));
}
return 0;
}
分享到:
相关推荐
9 方格取数问题 二分图点权最大独立集 网络最小割 10 餐巾计划问题 线性规划网络优化 最小费用最大流 11 航空路线问题 最长不相交路径 最小费用最大流 12 软件补丁问题 最小转移代价 最短路径 13 星际转移问题 网络...
- **独立集与覆盖集的关系:** 一个图的独立集越大,则其对应的覆盖集通常越小。这是因为独立集中的顶点互不相邻,所以可以用来覆盖更少的边。 - **独立集与支配集的关系:** 独立集与支配集在某些情况下可以重合...
图论与网络模型是数学模型中的一种重要类型,它将图论的概念与网络模型相结合,解决了七个常见的问题:最短路径、最小生成树、网络最大流问题、图的独立集、覆盖集与支配集问题、中国邮路问题等。 最短路径 最短...
在二分图中,最小点权覆盖集问题是寻找最少的顶点集合,这些顶点可以覆盖所有的边,而最大点权独立集问题则是找尽可能多的互不相邻的顶点,使得这些顶点的权重之和最大。通过最小割模型,可以转换这些问题,利用割的...
本文将详细讲解几个核心概念:最短路径、最小生成树、网络最大流以及图的独立集、覆盖集与支配集问题。 **最短路径问题**: 在加权图中,寻找两个顶点间边权重之和最小的路径。常见的算法有Dijkstra算法和Floyd算法...
5. 最小点权覆盖集,最小化覆盖所有边所需的点的权重之和。 6. 最大点权独立集,最大化集合中点的权重和,同时任何两点间没有边连接。 字符串处理是ACM竞赛中不可或缺的部分,模板涵盖: 1. KMP算法,用于高效地...
限制长度最短路,负环判连通,点权变边权,改变正负号 表达式求值 算法优先算法求表达式的值 词法分析与算法优先算法,集合运算:差集,并集,交集 矩阵乘法 线段覆盖数量 矩阵构造,nlogn矩阵乘法 2-SAT XOR ...
5. **图论问题**:如最大独立集、最小点覆盖等,KM算法可以找到最佳解决方案。 6. **市场配对**:如在婚姻市场中,寻找男女双方的最优配对,使双方满意度最大化。 7. **运输问题**:在物流领域,KM算法可以帮助...
- **最小费用最大流**:在网络流问题中,除了考虑流量外,还需考虑每条边的成本,目标是最小化总成本的同时达到最大流。 - **最小费用最小流**:在确保一定流量的前提下,最小化总费用。 #### 数论 数论是计算机...
- **有向图最小点基(邻接阵)O(N^2)**:寻找图中最小的点基,与图的独立集问题相关。 6. **FLOYD求最小环**:通过Floyd-Warshall算法寻找图中最小的环,这个算法还可以用来计算所有对之间的最短路径。 7. **2-SAT...
- **独立集问题**:讨论了在树中寻找最大独立集的算法。 7. **线性规划与归约**:这部分内容关注线性规划的基本原理及其在实际问题中的应用。 - **线性规划简介**:介绍了线性规划的基本概念和求解方法。 - **...
7. **最大团与最大独立集**:在图论中寻找最大互不相邻的顶点集合。 8. **点在多边形内的判断**:在平面几何中,确定点是否位于多边形内部。 9. **差分约束系统**:用于处理限制条件下的最优化问题。 10. **双向...
- **树中的独立集**:在树中找到最大数量的不相邻节点集合。 #### 八、线性规划与归约 - **线性规划**:通过优化目标函数来解决约束条件下的最大化或最小化问题。 - **网络流**:研究网络中资源流动的模型,如...
- **网络流(Network Flow)**:模拟物质在网络中的流动过程。 - **图的描绘(Drawing Graphs Nicely)**:美观地绘制图形。 - **树的描绘(Drawing Trees)**:以清晰的方式展示树状结构。 - **平面性检测和嵌入...