bzoj3630 镜面通道 网络流

        上(xiao)帝(mao)说:“要有光!”于是只要前后是连通的光就能够通过。。(表问我为什么。这是一个定理)

       所以题目就变成了在相交的两个元件之间连边,S向所有和底部相交的元件连边,T向所有和顶部相交的元件连边。如果光不能通过,相当于存在一条向S->T的路径。然后就变成最小割了。

       判断相交真是太烦了啊啊啊啊!!>_<

AC代码如下:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<cmath>
#define N 200005
#define inf 1000000000
using namespace std;

int n,tot=1,fst[N],sta,gol,pnt[N],len[N],nxt[N],d[N],h[N];
struct point{ double x,y; };
struct obj{ int k; point p,q; double r; }a[N];
double dist(point u,point v){
	return sqrt((u.x-v.x)*(u.x-v.x)+(u.y-v.y)*(u.y-v.y));
}
void add(int x,int y,int z){
	pnt[++tot]=y; len[tot]=z; nxt[tot]=fst[x]; fst[x]=tot;
}
void ins(int x,int y,int z){ add(x,y,z); add(y,x,0); }
bool bfs(){
	memset(d,-1,sizeof(d)); d[sta]=1;
	int head=0,tail=1; h[1]=sta;
	while (head<tail){
		int x=h[++head],p;
		for (p=fst[x]; p; p=nxt[p]) if (len[p]){
			int y=pnt[p];
			if (d[y]==-1){ d[y]=d[x]+1; h[++tail]=y; }
		}
	}
	return d[gol]!=-1;
}
int dfs(int x,int rst){
	if (x==gol || !rst) return rst; int p,flow=0;
	for (p=fst[x]; p; p=nxt[p]) if (len[p]){
		int y=pnt[p]; if (d[x]+1!=d[y]) continue;
		int tmp=dfs(y,min(rst,len[p])); if (!tmp) continue;
		flow+=tmp; len[p]-=tmp;
		len[p^1]+=tmp; rst-=tmp;
		if (!rst) break;
	}
	if (!flow) d[x]=-1; return flow;
}
bool ok(obj u,obj v){
	if (u.k==1 && v.k==1) return dist(u.p,v.p)<=u.r+v.r;
	if (u.k==2 && v.k==2) return u.p.x<=v.q.x && u.p.y<=v.q.y && u.q.x>=v.p.x && u.q.y>=v.p.y;
	if (u.k>v.k) swap(u,v);
	if (dist(u.p,v.p)<=u.r || dist(u.p,v.q)<=u.r) return 1;
	point t; t.x=v.p.x; t.y=v.q.y; if (dist(u.p,t)<u.r) return 1;
	t.x=v.q.x; t.y=v.p.y; if (dist(u.p,t)<u.r) return 1;
	if (v.p.x<=u.p.x && u.p.x<=v.q.x && (fabs(v.p.y-u.p.y)<=u.r || fabs(v.q.y-u.p.y)<=u.r)) return 1;
	if (v.p.y<=u.p.y && u.p.y<=v.q.y && (fabs(v.p.x-u.p.x)<=u.r || fabs(v.q.x-u.p.x)<=u.r)) return 1;
	return v.p.x<=u.p.x && u.p.x<=v.q.x && v.p.y<=u.p.y && u.p.y<=v.q.y;
}
int main(){
	point t; scanf("%lf%lf%d",&t.x,&t.y,&n); int i,j;
	for (i=1; i<=n; i++){
		scanf("%d",&a[i].k);
		if (a[i].k==1) scanf("%lf%lf%lf",&a[i].p.x,&a[i].p.y,&a[i].r);
			else scanf("%lf%lf%lf%lf",&a[i].p.x,&a[i].p.y,&a[i].q.x,&a[i].q.y);
	}
	for (i=1; i<=n; i++) ins(i,i+n,1);
	a[0].k=2; a[0].p.y=-1; a[0].q.x=a[n+1].q.x=t.x;
	a[n+1].k=2; a[n+1].p.y=t.y; a[n+1].q.y=t.y+1;
	for (i=1; i<=n; i++)
		for (j=1; j<=n; j++)
			if (i!=j && ok(a[i],a[j])) ins(i+n,j,1);
	sta=0; gol=n<<1|1;
	for (i=1; i<=n; i++){
		if (ok(a[i],a[0])) ins(0,i,1);
		if (ok(a[i],a[n+1])) ins(i+n,gol,1);
	}
	int ans=0; while (bfs()) ans+=dfs(sta,inf);
	printf("%d\n",ans);
	return 0;
}


by lych

2016.3.3

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