ZOJ 3811 Untrusted Patrol The 2014 ACM-ICPC Asia Mudanjiang Regional First Round

因为每个sensor只记录第一次到访记录,所以dfs到未访问的sensor就返回。以msg[i]为起点dfs,如果能遍历到msg[i+1],则这一步可行。因为遇到sensor就返回,因此i to i+1中间不会经过别的sensor。

智硬的我纠结的另一个地方就是sensor可以重复访问怎么处理,其实,假如a,b,c都是sensor,且顺序为a b c,开始从a dfs 可以同时遍历到b 和 c,那么如果从b开始遍历,可以通过a到c,所以b在之前visited只后就不必再dfs了。之前TLE就是因为重复访问太多,外加设置了一堆变量,memset也会导致TLE....

#include<iostream>
#include<stdio.h>
#include<stdlib.h>
#include<vector>
#include<string>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<stack>
#include<queue>
using namespace std;
//因为可以重复走,图联通则可以全部访问
int T;
int N;
int M;
int K;
int L;
vector<int>mp[100100];
int sen[100100];
int msg[100100];
int mark[100100];
int vis[100100];
int used[100100];
int st[100100];
void input()
{
    memset(sen,0,sizeof(sen));
    memset(msg,0,sizeof(msg));
    //memset(mark,0,sizeof(mark));
    memset(vis,0,sizeof(vis));
   // memset(used,0,sizeof(used));
    scanf("%d %d %d",&N,&M,&K);
    for(int i=1;i<=N;i++) mp[i].clear();
    int tmp;
    for(int i=1;i<=K;i++)
    {
        scanf("%d",&tmp);
        //sen[i]=tmp;
        sen[tmp]=1;
    }
    int a,b;
    for(int i=0;i<M;i++)
    {
        scanf("%d %d",&a,&b);
        mp[a].push_back(b);
        mp[b].push_back(a);
    }
    scanf("%d",&L);
    for(int i=1;i<=L;i++)
    {
        scanf("%d",&tmp);
        msg[i]=tmp;
    }
}
void dfs(int node)
{
    vis[node]=1;
    for(int i=0;i<mp[node].size();i++)
    {
        int v=mp[node][i];
        if(vis[v])
        {
            continue;
        }
        else if(sen[v])
        {
            vis[v]=1;
            continue;
        }
        else
        {
            dfs(v);
        }

    }

//    if(sen[node]==1)
//    {
//        mark[node]=1;
//        return;
//    }
  //  else
//    {
//        for(int i=0;i<mp[node].size();i++)
//        {
//            used[node]=1;//可以重复访问
//            int v=mp[node][i];
//            if(!st[v])
//            {
//                st[v]=1;
//                dfs(v);
//                st[v]=0;
//            }
//
//        }
//    }
}
void run()
{
    if(K!=L)
    {
        printf("No\n");
        return;
    }
    //mark[msg[1]]=1;
    //vis[msg[1]]=1;
     dfs(msg[1]);
    for(int i=2;i<=L;i++)
    {
        //if(!mark[msg[i]])
        if(!vis[msg[i]])
        {
            printf("No\n");
            return;
        }
        else
        {
            //memset(mark,0,sizeof(mark));
           // memset(st,0,sizeof(st));
            //vis[msg[i]]=1;
            //sen[msg[i]]=0;
            dfs(msg[i]);
        }
    }
    for(int i=1;i<=N;i++)
    {
        if(vis[i]==0)
        {
            printf("No\n");
            return;
        }
    }
    printf("Yes\n");
    return;

}
int main()
{
    freopen("input.txt","r",stdin);
    scanf("%d",&T);
    for(int i=0;i<T;i++)
    {
        input();
        run();
    }
    return 0;
}



深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值