[BZOJ3144][Hnoi2013]切糕(最小割)

传送门


今天模拟赛的第四题,我由于前三题不会做心态爆炸去看第四题,看着看着就会了(雾,然后被该死的输入输出坑死了。。。顺便INF吧1e9写成189了,然后还有五分。。。

事实上这题是一个很显然且经典的最小割模型,首先我们读题的时候发现一个纵轴只能有一个割点,然后我们可以对相邻(第i层和第i加一层)连边,边权为下面那个点的点权(把点变成边),然后从i层向相邻的i-d层点连INF的边即可,为什么呢,我们分情况讨论:
这里写图片描述
把割边理解成选边,那么:
设此时D为1,现在要割红色的边,那么如果我们割绿边或紫边(他们的纵坐标和红边之差都>D)那么我们发现st和ed通过米黄色路径的方式仍然联通,但如果我们割蓝边(他的纵坐标和红边小于等于D)那么st和ed就被割开了,也就是说我们可以选择蓝边而不能选择紫边或者绿边,这恰与提议中关于D的要求契合。


#include<cstdio>
#include<iostream>
#include<cstring>
using namespace std;
const int INF=1e9;
inline int read()
{
    int x=0,f=1;char ch=getchar();
    while(ch<'0' || ch>'9'){if(ch=='-') f=-1; ch=getchar();}
    while(ch>='0' && ch<='9'){x=x*10+ch-'0'; ch=getchar();}   
    return x*f;
}
struct node
{
    int x,y,c,next,other;
}a[411000]; int len,last[210000];
int st,ed;
void ins(int x,int y,int c)
{
    int k1,k2;
    len++; k1=len;
    a[len].x=x; a[len].y=y; a[len].c=c;
    a[len].next=last[x]; last[x]=len;
    len++; k2=len;
    a[len].x=y; a[len].y=x; a[len].c=0;
    a[len].next=last[y]; last[y]=len;
    a[k1].other=k2;
    a[k2].other=k1;
}
int list[210000],head,tail,h[210000];
bool bt()
{
    memset(h,0,sizeof(h)); h[st]=1;
    list[1]=st;
    head=1,tail=2;
    while(head!=tail)
    {
        int x=list[head];
        for(int k=last[x];k;k=a[k].next)
        {
            int y=a[k].y;
            if(a[k].c>0 && h[y]==0)
            {
                h[y]=h[x]+1;
                list[tail++]=y;
            }
        }
        head++;
    }
    if(h[ed]>0) return true;
    else return false;
}
int mymin(int x,int y) {return x<y?x:y;}
int findflow(int x,int f)
{
    if(x==ed) return f;
    int s=0,t;
    for(int k=last[x];k;k=a[k].next)
    {
        int y=a[k].y;
        if(a[k].c>0 && h[y]==h[x]+1 && s<f)
        {
            t=findflow(y,mymin(f-s,a[k].c));
            s+=t; a[k].c-=t; a[a[k].other].c+=t;
        }
    }
    if(s==0) h[x]=0;
    return s;
}
void dinic()
{
    int s=0,t;
    while(bt()==true)
    {
        s+=findflow(st,INF) ;
    }
    printf("%d\n",s);
}
int id[50][50][50],v[50][50][50];
const int dx[]={0,-1,0,1};
const int dy[]={1,0,-1,0};
int main()
{
//  freopen("d.in","r",stdin);
//  freopen("d.out","w",stdout);
    int P,Q,R;P=read(); Q=read(); R=read();
    int D; D=read();
    int z=0;len=0;memset(last,0,sizeof(last));
    for(int i=1;i<=R;i++)
        for(int j=1;j<=P;j++)
            for(int k=1;k<=Q;k++)
            {
                v[i][j][k]=read();
                id[i][j][k]=++z;
            }
    st=z+1,ed=z+2;
    for(int i=1;i<=R;i++)
        for(int j=1;j<=P;j++)
            for(int k=1;k<=Q;k++)
            {
                if(i==1) ins(st,id[i][j][k],INF);
                if(i==R) ins(id[i][j][k],ed,v[i][j][k]);
                else{
                    ins(id[i][j][k],id[i+1][j][k],v[i][j][k]);
                }
            }
    for(int i=D+1; i<=R;i++)
        for(int j=1;j<=P;j++)
            for(int k=1;k<=Q;k++)
                for(int l=0;l<4;l++)
                {
                    int tx=j+dx[l],ty=k+dy[l];
                    if(tx<0 || ty<0 || tx>P || ty>Q) continue;
                    ins(id[i][j][k],id[i-D][tx][ty],INF);
                }

    dinic();
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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