01分数规划，二分法，题目练习

news2025/3/28 11:11:21

一、01分数规划

1.1 01分数规划

01分数规划用来求一个分式的极值。模型如下：

给出 a i a_i ai​ 和 b i b_i bi​，求一组 w i ∈ { 0 , 1 } w_i \in \{ 0, 1 \} wi​∈{0,1}最小化或最大化
∑ i = 1 n a i × w i ∑ i = 1 n b i × w i \frac{\sum_{i=1}^{n}a_i \times w_i}{\sum_{i=1}^{n}b_i \times w_i} ∑i=1n​bi​×wi​∑i=1n​ai​×wi​​

1.2 二分法

分数规划问题的通用方法是二分。

假设我们要求最大值。二分一个最大值M，那么有：
∑ a i × w i ∑ i = 1 n b i × w i > M ∑ a i × w i − M × ∑ i = 1 n b i × w i ∑ w i × ( a i − M b i ) \begin{align} & \frac{\sum_{}^{}a_i \times w_i}{\sum_{i=1}^{n}b_i \times w_i} \gt M \\ & \sum_{}^{}a_i \times w_i - M\times\sum_{i=1}^{n}b_i \times w_i \\ & \sum_{}^{}w_i\times (a_i - Mb_i) \end{align} ​∑i=1n​bi​×wi​∑​ai​×wi​​>M∑​ai​×wi​−M×i=1∑n​bi​×wi​∑​wi​×(ai​−Mbi​)​​
那么只要求出不等号左边的式子的最大值就行了。如果最大值比 0 要大，说明 mid 是可行的，否则不可行。

有时候01分数规划也会和网络流结合。详见最小割问题合集，最大权闭合图，最大密度子图，最小权点覆盖，最大权独立子图，OJ练习，代码详解-CSDN博客

1.3 题目练习

1.3.1 P10505 Dropping Test

原题链接

P10505 Dropping Test

思路分析

模板题，分式的最大值，最后 * 100 输出即可。

AC代码

#include <bits/stdc++.h>

using i64 = long long;
using u64 = unsigned long long;
using u32 = unsigned;
using u128 = unsigned __int128;

constexpr double eps = 1E-6;

int main() {
    std::ios::sync_with_stdio(false);
    std::cin.tie(nullptr);

    int n, k;

    while (std::cin >> n >> k, n) {
        std::vector<int> a(n), b(n);
        for (int i = 0; i < n; ++ i) {
            std::cin >> a[i];
        }     
        for (int i = 0; i < n; ++ i) {
            std::cin >> b[i];
        }

        auto check = [&](double m) -> bool{
            std::vector<double> st;
            for (int i = 0; i < n; ++ i) {
                st.push_back(a[i] - b[i] * m);
            }
            std::ranges::sort(st);
            double s = 0;
            for (int i = k; i < n; ++ i) {
                s += st[i];
            }
            return s >= 0;
        };

        double lo = 0, hi = 1;
        while (lo + eps < hi) {
            double x = (lo + hi) / 2;            
            if (check(x)) {
                lo = x;
            } else {
                hi = x;
            }
        }

        std::cout << std::round(lo * 100) << '\n';
    }

    return 0;
}
1.3.2 P4377 [USACO18OPEN] Talent Show G

原题链接

P4377 [USACO18OPEN] Talent Show G

思路分析

sum(t) / sum(w) >= m，m 为二分最大值

那么 sum(t - w * m) >= 0，我们如何得到sum(w) >= W下最大的sum(t - w * m)？——01背包

AC代码

#include <bits/stdc++.h>

using i64 = long long;
using u64 = unsigned long long;
using u32 = unsigned;
using u128 = unsigned __int128;

constexpr double eps = 1E-4;

int main() {
    std::ios::sync_with_stdio(false);
    std::cin.tie(nullptr);

    int n, W;
    std::cin >> n >> W;
    std::vector<int> w(n), t(n);
    for (int i = 0; i < n; ++ i){
        std::cin >> w[i] >> t[i];
    }

    /*
    sum(t) / sum(w) >= M
    sum t - wM >= 0
    */

    auto check = [&](double m) -> bool{
        std::vector<double> f(W + 1, std::numeric_limits<double>::lowest() / 2);
        f[0] = 0;
        for (int i = 0; i < n; ++ i) {
            for (int j = W; j >= 0; -- j) {
                int nj = std::min(W, j + w[i]);
                f[nj] = std::max(f[nj], f[j] + t[i] - w[i] * m);
            }
        }
        return f[W] >= 0;
    };

    double lo = 0, hi = std::accumulate(t.begin(), t.end(), 0);

    while (lo + eps <= hi) {
        double x = (lo + hi) / 2;
        if(check(x)) {
            lo = x;
        } else {
            hi = x;
        }
    }

    std::cout << (int)(1000 * lo) << '\n';

    return 0;
}
1.3.3 Desert King

原题链接

Desert King

思路分析

01 分数规划 + 最小生成树

l(i, j) 为 节点 i 和 j 之间的欧氏距离，h(i, j) 为二者高度差

那么二分最大比率 m，有 sum(l) / sum(h) <= m，即 sum(l - m * h) <= 0

我们对于 节点i，j，以 l(i, j) - m * h(i, j) 为边权求最小生成树即可。

由于是稠密图，所以 直接用prim算法

AC代码

#include <iostream>
#include <vector>
#include <cmath>
#include <cassert>
#include <iomanip>

const double eps = 1E-5;

int main() {
    std::ios::sync_with_stdio(false);
    std::cin.tie(0);
    std::cout.tie(0);

    int n;
    while (std::cin >> n, n) {
        std::vector<int> x(n), y(n), z(n);
        for (int i = 0; i < n; ++ i) {
            std::cin >> x[i] >> y[i] >> z[i];
        }

        // sum(h) / sum(l) <= k
        // sum(h - l * k)

        std::vector<std::vector<double>> l(n, std::vector<double>(n));
        std::vector<std::vector<int>> h(n, std::vector<int>(n));

        for (int i = 0; i < n; ++ i) {
            for (int j = 0; j < n; ++ j) {
                l[i][j] = sqrt(1.0 * (x[i] - x[j]) * (x[i] - x[j]) + 1.0 * (y[i] - y[j]) * (y[i] - y[j]));
                h[i][j] = abs(z[i] - z[j]);
            }
        }

        double lo = 0, hi = 1000;
        while (lo + eps <= hi) {
            double m = (lo + hi) / 2;

            double res = 0;
            std::vector<bool> st(n);
            std::vector<double> min(n);
            for (int i = 0; i < n; ++ i) {
                min[i] = h[0][i] - m * l[0][i];
            }
            min[0] = 0;
            st[0] = true;
            for (int k = 0; k < n - 1; ++ k) {
                int mini = -1;
                for (int i = 0; i < n; ++ i) {
                    if (!st[i] && (mini == -1 || min[mini] > min[i])) {
                        mini = i;
                    }
                }
                assert(mini != -1);
                res += min[mini];
                st[mini] = true;
                for (int i = 0; i < n; ++ i) {
                    if (!st[i]) {
                        min[i] = std::min(min[i], h[mini][i] - m * l[mini][i]);
                    }
                }
            }

            if (res <= eps) {
                hi = m;
            } else {
                lo = m;
            }
        }

        std::cout << std::fixed << std::setprecision(3) << hi << '\n';
    }

    return 0;
}
1.3.4 P3199 [HNOI2009] 最小圈

原题链接

P3199 [HNOI2009] 最小圈

思路分析

二分最小值x，那么原式变形为 Σ w - x <= 0

我们在原图以 w - x 为新边权找负环即可

我用的是bellman-ford，不过本题不卡spfa，如果换spfa可以获得更短的运行时间

时间复杂度：O(nm logW)

AC代码

#include <bits/stdc++.h>

using i64 = long long;

int main() {
    std::ios::sync_with_stdio(false);
    std::cin.tie(nullptr);
    std::cout.tie(nullptr);

    int n, m;
    std::cin >> n >> m;

    std::vector<std::vector<std::pair<int, double>>> adj(n);
    for (int i =0; i < m; ++ i) {
        int u, v;
        double w;
        std::cin >> u >> v >> w;
        -- u, -- v;
        adj[u].emplace_back(v, w);
    }

    std::vector<double> dis(n);

    auto Bellman_Ford = [&](double x) -> bool {
        dis.assign(n, std::numeric_limits<double>::max());
        dis[0] = 0;

        bool flag = false;

        for (int i = 0; i < n; i++)
        {
            flag = false;
            for (int u = 0; u < n; ++ u)
            {
                if (dis[u] == std::numeric_limits<double>::max())
                    continue;
                for (auto &[v, w] : adj[u])
                {
                    if (dis[v] > dis[u] + w - x) {
                        dis[v] = dis[u] + w - x;
                        flag = true;
                    }
                }
            }
            if (!flag)
                return false;
        }

        return flag;
    };

    double lo = -1E7, hi = 1E7;
    constexpr double eps = 1E-10;
    while (lo + eps <= hi) {
        double x = (lo + hi) / 2;
        if (Bellman_Ford(x)) {
            hi = x;
        } else{
            lo = x;
        }
    }

    std::cout << std::fixed << std::setprecision(8) << hi << '\n';

    return 0;
}
1.3.5 JSOI2016] 最佳团体

原题链接

P4322 [JSOI2016] 最佳团体

思路分析

树形背包 + 01分数规划

考虑从推荐人向被推荐人连有向边

二分最大值 M

那么有 Σ p - s * M >= 0

p - s * M 就是新的点权

我们在树上跑树形背包即可。 f(u, v) 为 以u 为根的子树，招募 v 个人的最大收益，需要一次dfs来预处理子树大小

为了减小常数，我们可以在第一次dfs的时候求dfs序列，然后在 dfs序列上跑树形背包。

AC代码

#include <bits/stdc++.h>

using i64 = long long;

constexpr double eps = 1E-6;

int main() {
    std::ios::sync_with_stdio(false);
    std::cin.tie(nullptr);
    std::cout.tie(nullptr);

    // sum(p) / sum(s)

    int k, n;
    std::cin >> k >> n;
    ++ k;
    std::vector<int> s(n + 1), p(n + 1), r(n + 1), siz(n + 1);
    std::vector<std::vector<int>> adj(n + 1);

    for (int i = 1; i <= n; ++ i) {
        std::cin >> s[i] >> p[i] >> r[i];
        adj[r[i]].push_back(i);
    }

    std::vector<int> seq(n + 1);
    int cur = 0;
    auto dfs = [&](auto &&self, int u) -> void{
        seq[cur ++] = u;
        siz[u] = 1;
        for (int v : adj[u]) {
            self(self, v);
            siz[u] += siz[v];
        }
    };

    dfs(dfs, 0);

    auto check = [&](double m) -> bool{
        std::vector<std::vector<double>> f(n + 2, std::vector<double>(k + 1, std::numeric_limits<double>::lowest() / 2));
        f[n + 1][0] = 0;
        for (int i = n; i >= 0; -- i) {
            f[i][0] = 0;
            for (int j = k; j >= 1; -- j) {
                f[i][j] = std::max(f[i + 1][j - 1] + (p[seq[i]] - s[seq[i]] * m), f[i + siz[seq[i]]][j]);
            }
        }
        return f[0][k] >= 0;
    };

    double lo = 0, hi = std::accumulate(s.begin(), s.end(), 0.0);
    while (lo + eps <= hi) {
        double x = (lo + hi) / 2;
        if (check(x)) {
            lo = x;
        } else {
            hi = x;
        }
    }

    std::cout << std::fixed << std::setprecision(3) << hi << '\n';

    return 0;
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2319046.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

TG电报群管理机器人定制开发的重要性

TG电报群管理机器人定制开发的重要性

在Telegram&#xff08;电报&#xff09;用户突破20亿、中文社群规模持续扩张的背景下&#xff0c;定制化群管理机器人的开发已成为社群运营的战略刚需。这种技术工具不仅解决了海量用户管理的效率难题&#xff0c;更通过智能化功能重构了数字社群的治理范式。本文从管理效能、…
阅读更多...
VNA操作使用学习-01 界面说明

VNA操作使用学习-01 界面说明

以我手里面的liteVNA为例。也可以参考其他的nanoVNA的操作说明。我先了解一下具体的菜单意思。 今天我想做一个天调&#xff0c;居然发现我连一颗基本的50欧姆插件电阻和50欧姆的smt电阻的幅频特性都没有去测试过&#xff0c;那买来这个nva有什么用途呢&#xff0c;束之高阁求…
阅读更多...
耘想Docker版Linux NAS的安装说明

耘想Docker版Linux NAS的安装说明

耘想LinNAS&#xff08;Linux NAS&#xff09;可以通过Docker部署&#xff0c;支持x86和arm64两种硬件架构。下面讲解LinNAS的部署过程。 1. 安装Docker CentOS系统&#xff1a;yum install docker –y Ubuntu系统&#xff1a;apt install docker.io –y 2. 下载LinNas镜像…
阅读更多...
OpenCV图像拼接（4）图像拼接模块的一个匹配器类cv::detail::BestOf2NearestRangeMatcher

OpenCV图像拼接（4）图像拼接模块的一个匹配器类cv::detail::BestOf2NearestRangeMatcher

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 cv::detail::BestOf2NearestRangeMatcher 是 OpenCV 库中用于图像拼接模块的一个匹配器类&#xff0c;专门用于寻找两幅图像之间的最佳特征点匹配…
阅读更多...
不用 Tomcat？SpringBoot 项目用啥代替？

不用 Tomcat？SpringBoot 项目用啥代替？

在SpringBoot框架中&#xff0c;我们使用最多的是Tomcat&#xff0c;这是SpringBoot默认的容器技术&#xff0c;而且是内嵌式的Tomcat。 同时&#xff0c;SpringBoot也支持Undertow容器&#xff0c;我们可以很方便的用Undertow替换Tomcat&#xff0c;而Undertow的性能和内存使…
阅读更多...
Zabbix安装（保姆级教程）

Zabbix安装（保姆级教程）

Zabbix 是一款开源的企业级监控解决方案&#xff0c;能够监控网络的多个参数以及服务器、虚拟机、应用程序、服务、数据库、网站和云的健康状况和完整性。它提供了灵活的通知机制&#xff0c;允许用户为几乎任何事件配置基于电子邮件的告警&#xff0c;从而能够快速响应服务器问…
阅读更多...
鸿蒙开发真机调试：无线调试和USB调试

鸿蒙开发真机调试：无线调试和USB调试

前言 在鸿蒙开发的旅程中&#xff0c;真机调试堪称至关重要的环节&#xff0c;其意义不容小觑。虽说模拟器能够为我们提供初步的测试环境&#xff0c;方便我们在开发过程中快速预览应用的基本效果&#xff0c;但它与真机环境相比&#xff0c;仍存在诸多差异。就好比在模拟器中…
阅读更多...
工厂函数详解：概念、目的与作用

工厂函数详解：概念、目的与作用

一、什么是工厂函数&#xff1f; 工厂函数&#xff08;Factory Function&#xff09;是一种设计模式&#xff0c;其核心是通过一个函数来 创建并返回对象&#xff0c;而不是直接使用 new 或构造函数实例化对象。它封装了对象的创建过程&#xff0c;使代码更灵活、可维护。 二、…
阅读更多...
Python简单爬虫实践案例

Python简单爬虫实践案例

学习目标 能够知道Web开发流程 能够掌握FastAPI实现访问多个指定网页 知道通过requests模块爬取图片 知道通过requests模块爬取GDP数据 能够用pyecharts实现饼图 能够知道logging日志的使用 一、基于FastAPI之Web站点开发 1、基于FastAPI搭建Web服务器 # 导入FastAPI模…
阅读更多...
基于springboot的房产销售系统（016）

基于springboot的房产销售系统（016）

摘 要 随着科学技术的飞速发展&#xff0c;各行各业都在努力与现代先进技术接轨&#xff0c;通过科技手段提高自身的优势&#xff1b;对于房产销售系统当然也不能排除在外&#xff0c;随着网络技术的不断成熟&#xff0c;带动了房产销售系统&#xff0c;它彻底改变了过去传统的…
阅读更多...
云盘搭建笔记

云盘搭建笔记

报错问题&#xff1a; No input file specified. 伪静态 location / {if (!-e $request_filename) { rewrite ^(.*)$ /index.php/$1 last;break;} } location / { if (!-e $request_filename) { rewrite ^(.*)$ /index.php/$1 last; break; } } 设…
阅读更多...
《从深海到卫浴：Relax Max如何用军工科技重塑生活仪式》​

《从深海到卫浴：Relax Max如何用军工科技重塑生活仪式》​

《从深海到卫浴&#xff1a;Relax Max如何用军工科技重塑生活仪式》​ 当瑞士联邦理工学院的一纸专利授权书揭开帷幕&#xff0c;卫浴行业终于意识到&#xff1a;Relax Max的「军工科技民用化」绝非营销噱头。这支由前潜艇工程师和航天材料学家组成的团队&#xff0c;将核潜艇…
阅读更多...
【vulhub/wordpress靶场】------获取webshell

【vulhub/wordpress靶场】------获取webshell

1.进入靶场环境&#xff1a; 输入&#xff1a;cd / vulhub / wordpress / pwnscriptum 修改版本号&#xff1a; vim docker-compose.yml version: 3 保存退出 开启靶场环境&#xff1a; docker - compose up - d 开启成功&#xff0c;docker ps查看端口 靶场环境80…
阅读更多...
人工智能助力家庭机器人：从清洁到陪伴的智能转型

人工智能助力家庭机器人：从清洁到陪伴的智能转型

引言&#xff1a;家庭机器人进入智能时代 过去&#xff0c;家庭机器人只是简单的“工具”&#xff0c;主要用于扫地、拖地、擦窗等单一任务。然而&#xff0c;随着人工智能&#xff08;AI&#xff09;技术的迅猛发展&#xff0c;家庭机器人正经历从“机械助手”向“智能管家”甚…
阅读更多...
【第14节】windows sdk编程：进程与线程介绍

【第14节】windows sdk编程：进程与线程介绍

目录 一、进程与线程概述 1.1 进程查看 1.2 何为进程 1.3 进程的创建 1.4 进程创建实例 1.5 线程查看 1.6 何为线程 1.7 线程的创建 1.8 线程函数 1.9 线程实例 二、内核对象 2.1 何为内核对象 2.2 内核对象的公共特点 2.3 内核对象句柄 2.4 内核对象的跨进程访…
阅读更多...
STM32U575RIT6单片机（四）

STM32U575RIT6单片机（四）

作业: 使用I2C获取SHT20传感器温湿度 使用I2C获取AP3216C三合一传感器: 光照, 接近, 红外 三个功能 合并的传感器 #ifndef SHT20_H #define SHT20_H#include "stdint.h" #include "i2c.h" #include "stdio.h" //1、确定从机的设备地址(代码不…
阅读更多...
EMQX安装与配置

EMQX安装与配置

EMQX安装与配置 EMQX安装与配置 https://www.emqx.com/zh/downloads-and-install/broker?osUbuntucd /usr/local/srcwget https://www.emqx.com/zh/downloads/broker/4.4.19/emqx-4.4.19-otp24.3.4.2-1-ubuntu16.04-amd64.deb sudo apt install ./emqx-4.4.19-otp24.3.4.2-1…
阅读更多...
JVM逃逸分析作用和原理

JVM逃逸分析作用和原理

JVM逃逸分析作用和原理 在JVM的性能优化中&#xff0c;我们通常会关注内存分配、垃圾回收等问题。而逃逸分析&#xff08;Escape Analysis&#xff09;是JVM中一种精妙的优化技术&#xff0c;它可以在对象分配时判断该对象是否会在方法或线程之外被访问&#xff0c;从而影响其…
阅读更多...
拓展 Coco AI 功能 - 智能检索 Hexo 博客

拓展 Coco AI 功能 - 智能检索 Hexo 博客

在之前的文章中&#xff0c;我们成功让 Coco AI 检索 Hugo 博客&#xff0c;这对于博客作者来说是一大福音。然而&#xff0c;从 Hexo 迁移到 Hugo 的成本不容小觑&#xff0c;毕竟大多数开发者对 Node.js 更熟悉&#xff0c;而 Golang 相对陌生。那么&#xff0c;既然 Coco AI…
阅读更多...
爬虫基础之爬取猫眼Top100 可视化

爬虫基础之爬取猫眼Top100 可视化

网站: TOP100榜 - 猫眼电影 - 一网打尽好电影 本次案例所需用到的模块 requests (发送HTTP请求) pandas(数据处理和分析 保存数据) parsel(解析HTML数据) pyecharts(数据可视化图表) pymysql(连接和操作MySQL数据库) lxml(数据解析模块) 确定爬取的内容: 电影名称 电影主演…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023