当前位置: 首页 > news >正文

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

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 bif (suma != sumb) {cout << -1 << '\n';return;}G.work();//再特判 maxFlow != sum aif (G.MF != suma) {cout << -1 << '\n';return;}//答案就是 sum g[i][j] + minCostcout << 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;
}

相关文章:

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

原题链接&#xff1a;E. Matrix Problem 题目大意&#xff1a; 给出一个 n n n 行 m m m 列的 0 / 1 0/1 0/1 矩阵&#xff0c;再给出一些限制条件&#xff1a;一个长为 n n n 的数组 a a a&#xff0c;和一个长为 m m m 的数组 b b b 。 其中 a i a_{i} ai​ 表示第 …...

基于SpringBoot的气象数据监测分析大屏

项目描述 临近学期结束&#xff0c;还是毕业设计&#xff0c;你还在做java程序网络编程&#xff0c;期末作业&#xff0c;老师的作业要求觉得大了吗?不知道毕业设计该怎么办?网页功能的数量是否太多?没有合适的类型或系统?等等。这里根据疫情当下&#xff0c;你想解决的问…...

关于硅的制造芯片的过程

芯片是如何制作的&#xff1f; 先将硅融化制成硅晶片&#xff0c;再用光刻机印压电路。 bilibili芯片制作视频 硅晶片作为现代芯片的主要元件&#xff0c;广泛用于集成电路。 首先将多晶硅放入特制的密封炉&#xff0c;排除其中空气后加热到1420摄氏度&#xff0c;将融化的硅放…...

【深度学习笔记】3_10 多层感知机的PyTorch实现

注&#xff1a;本文为《动手学深度学习》开源内容&#xff0c;仅为个人学习记录&#xff0c;无抄袭搬运意图 3.10 多层感知机的简洁实现 下面我们使用PyTorch来实现上一节中的多层感知机。首先导入所需的包或模块。 import torch from torch import nn from torch.nn import …...

输入法在 Android13上候选词 候选区域 不显示的问题

背景 自研的输入法发现在 Android13 平台上不显示候选区域&#xff0c;在之前平台上以及需求是输入英文时不显示&#xff0c;中文需要显示。 最终解决办法&#xff1a;setExtractViewShown(false) Override public View onCreateCandidatesView() {...setExtractViewShown(f…...

Java 面向对象进阶 18 JDK8、9开始新增的方法;接口的应用;适配器设计模式;内部类(黑马)

一、JDK8开始新增的方法 默认方法不是抽象方法&#xff0c;所以不强制被重写&#xff1a; 但是如果被重写&#xff0c;就要去掉default关键字&#xff1a; public可以省略&#xff0c;但是default不可以省略&#xff1a; public是灰色的&#xff0c;代表可以省略 但是default是…...

数据结构-二分搜索树(Binary Search Tree)

一,简单了解二分搜索树 树结构: 问题:为什么要创造这种数据结构 1,树结构本身是一种天然的组织结构,就好像我们的文件夹一样,一层一层的. 2,树结构可以更高效的处理问题 二,二分搜索树的基础 1、二叉树 2,二叉树的重要特性 满二叉树 总结: 1. 叶子结点出现在二叉树的最…...

YOLO如何训练自己的模型

目录 步骤 一、打标签 二、数据集 三、跑train代码出模型 四、跑detect代码出结果 五、详细操作 步骤 一、打标签 &#xff08;1&#xff09;在终端 pip install labelimg &#xff08;2&#xff09;在终端输入labelimg打开 如何打标签&#xff1a; 推荐文章&#xf…...

05 EXTI外部中断

一、中断系统 中断系统&#xff1a;管理和执行中断的逻辑结构。中断&#xff1a;在主程序运行过程中&#xff0c;出现了特定的中断触发条件——中断源&#xff0c;使得CPU暂停当前正在运行的程序&#xff0c;转而去处理中断程序&#xff0c;处理完成后又返回原来被暂停的位置继…...

2024.2.23

1.1.1 信号默认、捕获、忽略处理(普通信号) #include <myhead.h> void handler(int signo) {if(signoSIGINT){printf("用户键入 ctrlc\n");} } int main(int argc, const char *argv[]) {//忽略信号if(signal(SIGINT,SIG_IGN)SIG_ERR){perror("signal er…...

PHP实现分离金额和其他内容便于统计计算

得到的结果可以粘贴到excel计算 <?php if($_GET["x"] "cha"){ $tips isset($_POST[tips]) ? $_POST[tips] : ; $pattern /(\d\.\d|\d)/; $result preg_replace($pattern, "\t\${1}\t", $tips); echo "<h2><strong>数…...

基础数据结构和算法《》

递归 1.递归应该一种比较常见的实现一些特殊代码逻辑时需要做的&#xff0c;但常常也是最绕的一种方式&#xff0c;在解释递归 之前&#xff0c;我们用循环和递归来做个比较1.1.如果你打开一扇门后&#xff0c;同样发现前方也有一扇们&#xff0c;紧接着你又打开下一扇门...直…...

[设计模式Java实现附plantuml源码~行为型]对象间的联动~观察者模式

前言&#xff1a; 为什么之前写过Golang 版的设计模式&#xff0c;还在重新写Java 版&#xff1f; 答&#xff1a;因为对于我而言&#xff0c;当然也希望对正在学习的大伙有帮助。Java作为一门纯面向对象的语言&#xff0c;更适合用于学习设计模式。 为什么类图要附上uml 因为很…...

vue3+js 实现记住密码功能

常见的几种实现方式 1 基于spring security 的remember me 功能 ​​​​​​​ localStorage 除非主动清除localStorage 里的信息 &#xff0c;不然永远存在&#xff0c;关闭浏览器之后下次启动仍然存在 存放数据大小一般为5M 不与服务器进行交互通信 cookies 可以…...

基于单片机的太阳能电池板自动跟踪系统的研究

摘要 伴随着人类社会的发展,人口基数越来越大,电量消耗巨大,传统发电原 料污染环境的同时,可用量日益减少,给人类未来生产生活带来了一定的威胁, 因而解决日益剧增的用电量,寻求一种新能源显得极其重要。论文正是基于此 背景下,针对当前太阳能电池板采光率低、自动化水…...

React 模态框的设计(二)

自定义组件是每个前端开发者必备的技能。我们在使用现有框架时难免有一些超乎框架以处的特别的需求&#xff0c;比如关于弹窗&#xff0c;每个应用都会用到&#xff0c;但是有时我们使用的框架中提供的弹窗功能也是功能有限&#xff0c;无法满足我们的应用需求&#xff0c;今天…...

操作符详解3

✨✨ 欢迎大家来到莉莉的博文✨✨ &#x1f388;&#x1f388;养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; 前面我们已经讲过算术操作符、赋值操作符、逻辑操作符、条件操作符和部分的单目操作 符&#xff0c;今天继续介绍一部分。 目录 1.操作符的分类 2…...

【C语言基础】:操作符详解(一)

文章目录 操作符详解1. 操作符的分类2. 二进制和进制转换2.1 什么是二进制、八进制、十进制、十六进制2.1.1 二进制和进制转换2.1.2 二进制转十进制2.2.3 二进制转八进制2.2.4 二进制转十六进制 3. 源码、反码、补码4. 移位操作符4.1 左移操作符4.2 右移操作符 5. 位操作符&…...

通俗易懂分析:Vite和Webpack的区别

1、对项目构建的理解 先从浏览器出发&#xff0c; 浏览器是由浏览器内核和JS引擎组成&#xff1b;浏览器内核编译解析html代码和css代码&#xff0c;js引擎编译解析JavaScript代码&#xff1b;所以从本质上&#xff0c;浏览器只能识别运行JavaScript、CSS、HTML代码。 而我们在…...

OpenCart程序结构与业务逻辑

一、程序业务逻辑说明 在 OpenCart 中&#xff0c;index.php 文件是整个应用程序的入口文件&#xff0c;它负责初始化应用程序并调度请求。以下是 index.php 文件加载执行的流程&#xff1a; 1. **设置路径常量&#xff1a;** - index.php 首先定义了一些重要的路径常量&…...

进程地址空间(比特课总结)

一、进程地址空间 1. 环境变量 1 &#xff09;⽤户级环境变量与系统级环境变量 全局属性&#xff1a;环境变量具有全局属性&#xff0c;会被⼦进程继承。例如当bash启动⼦进程时&#xff0c;环 境变量会⾃动传递给⼦进程。 本地变量限制&#xff1a;本地变量只在当前进程(ba…...

Python爬虫实战:研究feedparser库相关技术

1. 引言 1.1 研究背景与意义 在当今信息爆炸的时代,互联网上存在着海量的信息资源。RSS(Really Simple Syndication)作为一种标准化的信息聚合技术,被广泛用于网站内容的发布和订阅。通过 RSS,用户可以方便地获取网站更新的内容,而无需频繁访问各个网站。 然而,互联网…...

《通信之道——从微积分到 5G》读书总结

第1章 绪 论 1.1 这是一本什么样的书 通信技术&#xff0c;说到底就是数学。 那些最基础、最本质的部分。 1.2 什么是通信 通信 发送方 接收方 承载信息的信号 解调出其中承载的信息 信息在发送方那里被加工成信号&#xff08;调制&#xff09; 把信息从信号中抽取出来&am…...

C++中string流知识详解和示例

一、概览与类体系 C 提供三种基于内存字符串的流&#xff0c;定义在 <sstream> 中&#xff1a; std::istringstream&#xff1a;输入流&#xff0c;从已有字符串中读取并解析。std::ostringstream&#xff1a;输出流&#xff0c;向内部缓冲区写入内容&#xff0c;最终取…...

Python如何给视频添加音频和字幕

在Python中&#xff0c;给视频添加音频和字幕可以使用电影文件处理库MoviePy和字幕处理库Subtitles。下面将详细介绍如何使用这些库来实现视频的音频和字幕添加&#xff0c;包括必要的代码示例和详细解释。 环境准备 在开始之前&#xff0c;需要安装以下Python库&#xff1a;…...

今日科技热点速览

&#x1f525; 今日科技热点速览 &#x1f3ae; 任天堂Switch 2 正式发售 任天堂新一代游戏主机 Switch 2 今日正式上线发售&#xff0c;主打更强图形性能与沉浸式体验&#xff0c;支持多模态交互&#xff0c;受到全球玩家热捧 。 &#x1f916; 人工智能持续突破 DeepSeek-R1&…...

【论文阅读28】-CNN-BiLSTM-Attention-(2024)

本文把滑坡位移序列拆开、筛优质因子&#xff0c;再用 CNN-BiLSTM-Attention 来动态预测每个子序列&#xff0c;最后重构出总位移&#xff0c;预测效果超越传统模型。 文章目录 1 引言2 方法2.1 位移时间序列加性模型2.2 变分模态分解 (VMD) 具体步骤2.3.1 样本熵&#xff08;S…...

Rapidio门铃消息FIFO溢出机制

关于RapidIO门铃消息FIFO的溢出机制及其与中断抖动的关系&#xff0c;以下是深入解析&#xff1a; 门铃FIFO溢出的本质 在RapidIO系统中&#xff0c;门铃消息FIFO是硬件控制器内部的缓冲区&#xff0c;用于临时存储接收到的门铃消息&#xff08;Doorbell Message&#xff09;。…...

管理学院权限管理系统开发总结

文章目录 &#x1f393; 管理学院权限管理系统开发总结 - 现代化Web应用实践之路&#x1f4dd; 项目概述&#x1f3d7;️ 技术架构设计后端技术栈前端技术栈 &#x1f4a1; 核心功能特性1. 用户管理模块2. 权限管理系统3. 统计报表功能4. 用户体验优化 &#x1f5c4;️ 数据库设…...

让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比

在机器学习的回归分析中&#xff0c;损失函数的选择对模型性能具有决定性影响。均方误差&#xff08;MSE&#xff09;作为经典的损失函数&#xff0c;在处理干净数据时表现优异&#xff0c;但在面对包含异常值的噪声数据时&#xff0c;其对大误差的二次惩罚机制往往导致模型参数…...