Educational Codeforces Round 160 (Rated for Div. 2) E. Matrix Problem(费用流)

news/2024/7/20 21:51:50 标签: 算法, c++, 数据结构, 深度优先, 图论, 动态规划

原题链接:E. Matrix Problem


题目大意:


给出一个 n n n m m m 列的 0 / 1 0/1 0/1 矩阵,再给出一些限制条件:一个长为 n n n 的数组 a a a,和一个长为 m m m 的数组 b b b

其中 a i a_{i} ai 表示第 i i i 行要有 恰好 a i a_{i} ai 1 1 1 b j b_{j} bj 表示第 j j j 列要有 恰好 b j b_{j} bj 1 1 1 ,保证 1 ≤ a i ≤ m , 1 ≤ b j ≤ n 1 \leq a_{i} \leq m,1 \leq b_{j} \leq n 1aim,1bjn

你可以使用 任意多次 操作,将一个 0 0 0 翻转成 1 1 1 ,或将 1 1 1 翻转成 0 0 0

问最少的操作次数是多少,才能使得这个矩阵满足以上 a , b a,b a,b 限制,如果怎么操作都不能满足以上限制则输出 − 1 -1 1

解题思路:


套路的,我们将行和列看成点,行为左部,列为右部,而每个位置 ( i , j ) (i,j) (i,j) 的信息看成是一条 i i i j j j 的边,这样我们的矩阵就会形成一张天然的二分图。

回到这一题,首先要是连 ∑ i = 1 n a i ≠ ∑ i = 1 m b i \sum_{i=1}^{n} a_{i} \neq \sum_{i=1}^{m} b_{i} i=1nai=i=1mbi 了,那肯定无论如何都不会满足的,但只有这个条件是不够的,而且很容易找出反例,但我们可以先判掉,使得接下来 ∑ i = 1 n a i = ∑ i = 1 m b i \sum_{i=1}^{n} a_{i} = \sum_{i=1}^{m} b_{i} i=1nai=i=1mbi ,方便后续讨论。

考虑全是 0 0 0 我们怎么做,本质上就是每条边流量为 1 1 1 ,源点 S → [ 1 , 2 , . . . , n ] S \rightarrow [1,2,...,n] S[1,2,...,n] 连一条流量为 a i a_{i} ai 的边, [ 1 , 2 , . . . , m ] → [1,2,...,m] \rightarrow [1,2,...,m] 汇点 T T T 连一条流量为 b i b_{i} bi 的边,然后跑一个最大流即可。

当我们发现最大流和 ∑ i = 1 n a i \sum_{i=1}^{n} a_{i} i=1nai 不等,那么显然无论如何操作也是不行的。

(其实本质上就是在做一个匹配的操作:点 A A A 可以匹配 a i a_{i} ai 个人,点 B B B 可以匹配 b i b_{i} bi 个人,看是否使得每个人都能匹配完全)

但是这一题是带操作次数的条件的,我们要最小操作次数,而且矩阵初始值也不是全为 0 0 0 ,这要怎么办?

首先考虑 0 0 0 的位置的影响,如果某个地方的 0 0 0 无论如何都要翻转为 1 1 1 的,那么这个 0 0 0 对操作的贡献是固定为 1 1 1 的,我们直接操作就好。而其他无所谓的 0 0 0 显然去操作只会让操作数变多,不优。

再考虑 1 1 1 的位置的影响,无论如何我们都要把多余的 1 1 1 给删掉,我们不妨先全部删除了,操作数就是 1 1 1 的个数。再考虑哪些 1 1 1 是可以作为选择的,然后反悔我们的删除操作,把这个 1 1 1 加回来即可,这样对我们操作的贡献是为 − 1 -1 1 的。

按照上面的转化,假设矩阵为 g n , m g_{n,m} gn,m 那么:

  • 先假设矩阵全为 0 0 0 ,统计 1 1 1 的个数。
  • g i , j = 1 g_{i,j}=1 gi,j=1 时,我们添加边 i → j i \rightarrow j ij ,流量为 1 1 1,费用为 − 1 -1 1 (反悔)。
  • g i , j = 0 g_{i,j}=0 gi,j=0 时,我们添加边 i → j i \rightarrow j ij ,流量为 1 1 1,费用为 1 1 1 (固定)。
  • S S S i i i 连上流量为 a i a_{i} ai,费用为 0 0 0 的边, j j j T T T 连上流量为 b j b_{j} bj,费用为 0 0 0 的边。
  • 这里的 i , j i,j i,j 分别指的是 左部 的点的编号和 右部 的点的编号。

如果最大流不为 ∑ i = 1 n a i \sum_{i=1}^{n} a_{i} i=1nai 说明不能匹配完全,输出 − 1 -1 1

否则我们所需要的最小操作次数就是 ∑ i = 1 n ∑ j = 1 m g i , j + \sum_{i=1}^{n}\sum_{j=1}^{m}g_{i,j}+ i=1nj=1mgi,j+ 最小费用 (固定 + + + 反悔的和)。

代码使用的是 S p f a + D i n i c Spfa+Dinic Spfa+Dinic 的费用流。

时间复杂度: O ( n 3 m 3 ) O(n^{3}m^{3}) O(n3m3) (伪多项式复杂度,可以通过)

AC代码:

#include <bits/stdc++.h>
using namespace std;

using PII = pair<int, int>;
using i64 = long long;

template<class Ty>
struct MCmaxFlow {
    const Ty INF = numeric_limits<Ty>::max();
    int S, T, n; Ty MF = 0, MC = 0;
    struct Edge {
        int v, nxt; Ty f, w;
        Edge() : Edge(0, 0, 0, 0) {};
        Edge(int v, int nxt, Ty f, Ty w) : v(v), nxt(nxt), f(f), w(w) {};
    };

    vector<Ty> dist;
    vector<int> cur, h;
    vector<bool> vis;
    vector<Edge> E;

    MCmaxFlow(int _) : n(_) { init(_); };

    void init(int _) {
        dist.resize(_ + 1);
        vis.resize(_ + 1);
        cur.resize(_ + 1);
        h.resize(_ + 1);
        E.resize(2);
    }

    void add(int u, int v, Ty f, Ty w) {
        E.emplace_back(v, h[u], f, w), h[u] = int(E.size()) - 1;
    }

    void addEdge(int u, int v, Ty f, Ty w) {
        add(u, v, f, w), add(v, u, 0, -w);
    }

    bool SPFA() {
        dist.assign(n + 1, INF);
        queue<int> que;
        dist[S] = 0, cur[S] = h[S];
        que.push(S);
        while (que.size()) {
            int u = que.front(); que.pop();
            vis[u] = false;
            for (int i = h[u]; i; i = E[i].nxt) {
                auto& [v, nxt, f, w] = E[i];
                if (f && dist[v] > dist[u] + w) {
                    dist[v] = dist[u] + w;
                    if (!vis[v]) {
                        vis[v] = true;
                        cur[v] = h[v];
                        que.push(v);
                    }
                }
            }
        }
        return dist[T] != INF;
    }

    Ty DFS(int u, Ty flow) {
        if (u == T) return flow;
        Ty last = flow;
        vis[u] = true;
        for (int i = cur[u]; i && last; i = E[i].nxt) {
            cur[u] = i;
            auto& [v, nxt, f, w] = E[i];
            if (f && !vis[v] && dist[v] == dist[u] + w) {
                Ty cost = DFS(v, min(f, last));
                if (!cost) dist[v] = INF;
                E[i].f -= cost, E[i ^ 1].f += cost;
                last -= cost;
            }
        }
        vis[u] = false;
        return flow - last;
    }

    void work() {
        while (SPFA()) {
            Ty flow = DFS(S, INF);
            MC += dist[T] * flow;
            MF += flow;
        }
    }
};

void solve() {
    int n, m;
    cin >> n >> m;

    MCmaxFlow<int> G(n + m + 2);
    vector g(n + 1, vector<int>(m + 1));

    int ans = 0;
    // i -> j 连边
    for (int i = 1; i <= n; ++i) {
        for (int j = 1; j <= m; ++j) {
            cin >> g[i][j];
            if (g[i][j]) {
                G.addEdge(i, n + j, 1, -1);
                ++ans;
            } else {
                G.addEdge(i, n + j, 1, 1);
            }
        }
    }

    G.S = n + m + 1, G.T = G.S + 1;

    int suma = 0, sumb = 0;
    // S -> i 连边
    for (int i = 1; i <= n; ++i) {
        int x; cin >> x;
        G.addEdge(G.S, i, x, 0);
        suma += x;
    }

	// j -> T 连边
    for (int i = 1; i <= m; ++i) {
        int x; cin >> x;
        G.addEdge(n + i, G.T, x, 0);
        sumb += x;
    }
	
	//先特判 sum a != sum b
    if (suma != sumb) {
        cout << -1 << '\n';
        return;
    }

    G.work();

	//再特判 maxFlow != sum a
    if (G.MF != suma) {
        cout << -1 << '\n';
        return;
    }

	//答案就是 sum g[i][j] + minCost
    cout << ans + G.MC << '\n';
}

signed main() {

    ios::sync_with_stdio(0);
    cin.tie(0), cout.tie(0);

    int t = 1; //cin >> t;
    while (t--) solve();

    return 0;
}

http://www.niftyadmin.cn/n/5392033.html

相关文章

IDM(Internet Download Manager)2024免激活绿色版下载

IDM&#xff08;Internet Download Manager&#xff09;在安全保护方面提供了多种功能和策略&#xff0c;以确保用户的下载体验和数据安全。以下是一些IDM的安全保护功能和策略&#xff1a; IDM绿色下载如下: https://wm.makeding.com/iclk/?zoneid34275 病毒扫描功能&#…

IOT-Reaserch虚拟机配置

我用的是VirturalBox 主机与物理机之间的复制粘贴问题 VirtualBox Ubuntu无法安装增强功能以及无法复制粘贴踩坑记录_virtualbox安装增强功能没反应-CSDN博客 上面这篇博客帮助了我很多&#xff0c;摘取重要的重新提示一遍 运行虚拟机选择&#xff1a;设备->安装增强功能…

Gradle统一管理依赖

背景 随着项目越来越大&#xff0c;module 越来越多&#xff0c;依赖的库也越来越多&#xff0c;依赖管理也越来越混乱。 我们一般会有以下需求&#xff1a; 1. 项目依赖统一管理&#xff0c;在单独文件中配置 2. 不同 Module 中的依赖版本号统一 管理 Gradle 依赖 说明&a…

springsecurity+vue前后端分离适配cas认证的跨域问题

0. cas服务搭建参考:CAS 5.3服务器搭建_cas-overlay-CSDN博客 1. 参照springsecurity适配cas的方式, 一直失败, 无奈关闭springssecurity认证 2. 后端服务适配cas: 参考前后端分离项目(springbootvue)接入单点登录cas_前后端分离做cas单点登录-CSDN博客 1) 引入maven依赖 …

【Python笔记-设计模式】前端控制器模式

一、说明 常作为MVC&#xff08;Model-View-Controller&#xff09;模式的一部分&#xff0c;用来处理用户请求并将其分发给相应的处理程序&#xff08;即路由匹配&#xff09;。 (一) 解决问题 将请求的处理流程集中管理&#xff0c;统一处理所有的请求 (二) 使用场景 需…

PyTorch深度学习实战(37)——CycleGAN详解与实现

PyTorch深度学习实战&#xff08;37&#xff09;——CycleGAN详解与实现 0. 前言1. CycleGAN 基本原理2. CycleGAN 模型分析3. 实现 CycleGAN小结系列链接 0. 前言 CycleGAN 是一种用于图像转换的生成对抗网络(Generative Adversarial Network, GAN)&#xff0c;可以在不需要配…

ChatGPT国内快速上手指南

ChatGPT简介 ChatGPT是由OpenAI团队研发的自然语言处理模型&#xff0c;该模型在大量的互联网文本数据上进行了预训练&#xff0c;使其具备了深刻的语言理解和生成能力。 GPT拥有上亿个参数&#xff0c;这使得ChatGPT在处理各种语言任务时表现卓越。它的训练使得模型能够理解上…

如何理解三大微分中值定理

文章看原文,自己写的只是备份 高等数学强化2:一元函数微分学 中值定理 极值点 拐点_一元函数中值定理-CSDN博客 高等数学强化3:一元函数积分学 P积分-CSDN博客 高等数学强化3:定积分几何应用-CSDN博客