poj 3155(Hard Life)分数规划/最大密度子图
2011-08-20 10:58
351 查看
题目链接:http://poj.org/problem?id=3155
题意简述:一个公司有n个人,给出了一些有冲突的人的对数(u,v),所有为了公司更好的发展,公司的总裁决定裁人,那么总裁现在裁要裁掉冲突率最高的哪些(冲突率=人数/在这些人中存在的冲突数) (题意有所扭曲,但也就是这个意思)
分析: 很明显的一个求最大密度子图的题目,求最大密度子图的方法有两种不同的模型可以求解,一种是采用了转换为最大权闭合图的模型来求解,而另一种则是通过补集转换的思想来求解,现在就最大权闭合图的模型来谈论以下:设max g = f(x)= |E‘|/|V’| ,找一个子图的边数与点数的比值达到其中的最大,我们通常都是构造一个函数max h(g)= |E'|-g*|V'|,当h(g)为0的时候,g的值即为最优(证明见Amber论文),h(g)>0
时 g<最优值, h(g)<0时,g>最优值; 那么首先来解释为什么要是该函数的值尽量大?因为如果最大值大于0那么我们就可以继续增加g的值来减小h(g),若最大值都小于0了,那么g不可能增加只可能减少!
注意观察h(g),边和点有依赖关系,就边依赖点,边存在的必要条件是点的存在,那么这样以后,如果我们将边看成点,那么这不就符合最大权闭合子图了么,现在h(g)的求法就可以通过求新图的最大权闭合子图的值来求解,但是这里有个问题,建图之后你可以发现当求出来的值和h(g)原本应该为值不对应(具体为什么不怎么理解),可以这样理解,当最小的一个g使得h(g)为0的时候该解即为最优解,因为h(g)是以个单调递减函数,就该函数来看只可能存在一个g使得h(g)=0;然而通过求最大权闭合子图是子图权值和为0的有很多中g,当最小的一个g使得h(g)为0之后,如果g继续增大那么虽然通过最大权闭合子图的值求出来依旧为0,但是真正的h(g)<
0 了,所以要使得最优的一个解就是使得最大权闭合子图的权值和为0的最小的一个g值!这样求解之后从点点流到汇点为满流的边即为最大密度子图中的点
注意精度的控制!
第二种模型的建图: 源点到各个点连接一条有向边权值为U,各个点到汇点连接一条边权值为U+2*g-d,原来有关系的点连接两条有向边(u,v),(v,u)权值为1(U可以取m,U的目的是用来使得2*g-d的值始终为正),这样以后求最小割,那么h(g)= (U*n-mincut)/2;二分找到最优值即为mid ,但是如果要求图中的点则需要用left来从新图求最大流之后然后从源点开始dfs遍历,最后得出结果
代码如下(第二种模型的实现)
代码如下(用第二种模型实现):
题意简述:一个公司有n个人,给出了一些有冲突的人的对数(u,v),所有为了公司更好的发展,公司的总裁决定裁人,那么总裁现在裁要裁掉冲突率最高的哪些(冲突率=人数/在这些人中存在的冲突数) (题意有所扭曲,但也就是这个意思)
分析: 很明显的一个求最大密度子图的题目,求最大密度子图的方法有两种不同的模型可以求解,一种是采用了转换为最大权闭合图的模型来求解,而另一种则是通过补集转换的思想来求解,现在就最大权闭合图的模型来谈论以下:设max g = f(x)= |E‘|/|V’| ,找一个子图的边数与点数的比值达到其中的最大,我们通常都是构造一个函数max h(g)= |E'|-g*|V'|,当h(g)为0的时候,g的值即为最优(证明见Amber论文),h(g)>0
时 g<最优值, h(g)<0时,g>最优值; 那么首先来解释为什么要是该函数的值尽量大?因为如果最大值大于0那么我们就可以继续增加g的值来减小h(g),若最大值都小于0了,那么g不可能增加只可能减少!
注意观察h(g),边和点有依赖关系,就边依赖点,边存在的必要条件是点的存在,那么这样以后,如果我们将边看成点,那么这不就符合最大权闭合子图了么,现在h(g)的求法就可以通过求新图的最大权闭合子图的值来求解,但是这里有个问题,建图之后你可以发现当求出来的值和h(g)原本应该为值不对应(具体为什么不怎么理解),可以这样理解,当最小的一个g使得h(g)为0的时候该解即为最优解,因为h(g)是以个单调递减函数,就该函数来看只可能存在一个g使得h(g)=0;然而通过求最大权闭合子图是子图权值和为0的有很多中g,当最小的一个g使得h(g)为0之后,如果g继续增大那么虽然通过最大权闭合子图的值求出来依旧为0,但是真正的h(g)<
0 了,所以要使得最优的一个解就是使得最大权闭合子图的权值和为0的最小的一个g值!这样求解之后从点点流到汇点为满流的边即为最大密度子图中的点
注意精度的控制!
第二种模型的建图: 源点到各个点连接一条有向边权值为U,各个点到汇点连接一条边权值为U+2*g-d,原来有关系的点连接两条有向边(u,v),(v,u)权值为1(U可以取m,U的目的是用来使得2*g-d的值始终为正),这样以后求最小割,那么h(g)= (U*n-mincut)/2;二分找到最优值即为mid ,但是如果要求图中的点则需要用left来从新图求最大流之后然后从源点开始dfs遍历,最后得出结果
代码如下(第二种模型的实现)
#include<iostream> #include<cstdio> #include<cstring> using namespace std; const double inf = 0xffffffff; const int N = 110; const int E = 30000; const double eps=1e-8; struct node1 { int x, y; }a[1010]; int ans; bool vis ; int e,head ; int dep ,que ,cur ; struct node { int x,y; int nxt; double c; }edge[E]; void addedge(int u,int v,double c) { edge[e].x=u; edge[e].y=v; edge[e].nxt=head[u]; edge[e].c=c; head[u]=e++; edge[e].x=v; edge[e].y=u; edge[e].nxt=head[v]; edge[e].c=0; head[v]=e++; } double maxflow(int s,int t) { int i,j,k,front,rear,top;double min,res=0; while(1) { memset(dep,-1,sizeof(dep)); front=0; rear=0; que[rear++]=s; dep[s]=0; while(front!=rear) { i=que[front++]; for(j=head[i];j!=-1;j=edge[j].nxt) if(edge[j].c>eps&&dep[edge[j].y]==-1) { dep[edge[j].y]=dep[i]+1; que[rear++]=edge[j].y; } } if(dep[t]==-1) break; memcpy(cur,head,sizeof(head)); for(i=s,top=0;;) { if(i==t) { min=inf; for(k=0;k<top;k++) if(min>edge[que[k]].c) { min=edge[que[k]].c; front=k; } for(k=0;k<top;k++) { edge[que[k]].c-=min; edge[que[k]^1].c+=min; } res+=min; i=edge[que[top=front]].x; } for(j=cur[i];cur[i]!=-1;j=cur[i]=edge[cur[i]].nxt) if(dep[edge[j].y]==dep[i]+1&&edge[j].c>eps) break; if(cur[i]!=-1) { que[top++]=cur[i]; i=edge[cur[i]].y; } else { if(top==0) break; dep[i]=-1; i=edge[que[--top]].x; } } } return res; } void dfs(int u) { vis[u]=true; ans++; for(int i=head[u];i!=-1;i=edge[i].nxt) { int y = edge[i].y; if(edge[i].c>eps&&vis[y]==false) dfs(y); } } int main () { int n, m; int d ; int i,x,y; while(scanf("%d%d",&n,&m)!=EOF) { memset(d,0,sizeof(d)); for(i=0;i<m;i++) { scanf("%d%d",&x,&y); a[i].x=x; a[i].y=y; d[x]++; d[y]++; } if(m==0) {printf("1\n1\n");continue;} double left = 0; double right = 1.0*m; while(right-left>=1.0/n/n) { double mid = (left+right)/2; memset(head,-1,sizeof(head)); e = 0; for(i=0;i<m;i++) { addedge(a[i].x,a[i].y,1); addedge(a[i].y,a[i].x,1); } for(i=1;i<=n;i++) { addedge(0,i,1.0*m); addedge(i,n+1,m+2*mid-1.0*d[i]); } double flow=maxflow(0,n+1); flow = (1.0*m*n-flow)/2.0; if(flow>eps) left=mid; else right = mid; } memset(head,-1,sizeof(head)); e = 0; for(i=0;i<m;i++) { addedge(a[i].x,a[i].y,1); addedge(a[i].y,a[i].x,1); } for(i=1;i<=n;i++) { addedge(0,i,1.0*m); addedge(i,n+1,m+2*left-1.0*d[i]); } maxflow(0,n+1); ans = 0; memset(vis,0,sizeof(vis)); dfs(0); printf("%d\n",ans-1); for(i=1;i<=n;i++) if(vis[i]) printf("%d\n",i); } return 0; }
代码如下(用第二种模型实现):
相关文章推荐
- poj 3155 Hard Life(01分数规划+最大流--最大密度子图)
- poj 3155 Hard Life(最大密度子图,01分数规划)
- POJ-3155-Hard Life(最大密度子图)(01分数规划+最小割)
- poj 3155 Hard Life 【最大密度子图】 【0-1分数规划 + 最小割】
- 【POJ】3155 Hard Life 最大密度子图
- poj 3155 Hard Life(最大密度子图)
- POJ 3155 Hard Life(最大密度子图)
- POJ 3155 Hard Life 最大密度子图
- POJ 3155 Hard Life(最大密度子图)
- poj 3155 Hard Life 最大密度子图
- poj 3155 01规划->最大密度密度子图->最大流
- poj 3155 Hard Life 网络流——最大密度子图
- 最大密集子图(01分数规划+二分+最小割)POJ3155
- POJ 3155 Hard Life 最大密度子图
- POJ 3155 Hard Life 最大密度子图
- 最大密集子图(01分数规划+二分+最小割)POJ3155
- POJ 3155 Hard Life(最大密度子图)
- POJ 3155 Hard Life(最大密度子图)
- POJ 3155 Hard Life(最大密度子图)
- POJ 3155 Hard Life(最小割 最大密度子图)