[BZOJ1179][APIO2009] ATM 强连通分量

tarjan求强连通分量后缩点,缩点后点权为原来的点之和,是否为酒吧为原来的点的或。然后做点权最长路的spfa,为酒吧的点中的最大值即为答案。
代码:

type
  edge=^edgenode;
  edgenode=record
    t:longint;
    next:edge;
  end;

var
  n,m,i,x,y,z,s,p,num,time,top,ans:longint;
  con:array[0..500100,0..1]of edge;
  w,col,dfn,low,st,dl,dist:array[0..500100]of longint;
  en,visit:array[0..500100]of boolean;
procedure ins(x,y,b:longint);
var
  p:edge;
begin
  new(p);
  p^.t:=y;
  p^.next:=con[x,b];
  con[x,b]:=p;
end;
function min(x,y:longint):longint;
begin
  if x>y then exit(y)
  else exit(x);
end;

procedure tarjan(v:longint);
var
  i:longint;
  p:edge;
begin
  inc(time);
  dfn[v]:=time;
  low[v]:=time;
  visit[v]:=true;
  p:=con[v,0];
  inc(top);
  st[top]:=v;
  while p<>nil do
  begin
    if col[p^.t]>0 then begin p:=p^.next; continue; end;
    if visit[p^.t]=false then
    begin
      tarjan(p^.t);
      low[v]:=min(low[v],low[p^.t]);
    end
    else low[v]:=min(low[v],dfn[p^.t]);
    p:=p^.next;
  end;
  if low[v]=dfn[v] then
  begin
    inc(num);
    while st[top+1]<>v do
    begin
      col[st[top]]:=num;
      dec(top);
    end;
  end;
end;

procedure rebuild;
var
  i:longint;
  p:edge;
begin
  for i:=1 to n do
  begin
    p:=con[i,0];
    while p<>nil do
    begin
      if col[i]<>col[p^.t] then ins(col[i],col[p^.t],1);
      p:=p^.next;
    end;
  end;
end;
procedure spfa;
var
  head,tail,x:longint;
  p:edge;
begin
  head:=1;
  tail:=1;
  dl[1]:=col[s];
  fillchar(dist,sizeof(dist),0);
  dist[col[s]]:=w[col[s]];
  fillchar(visit,sizeof(visit),false);
  visit[col[s]]:=true;
  while head<=tail do
  begin
    x:=dl[head];
    p:=con[x,1];
    while p<>nil do
    begin
      if dist[p^.t]<dist[x]+w[p^.t] then
      begin
        dist[p^.t]:=dist[x]+w[p^.t];
        if not visit[p^.t] then
        begin
          inc(tail);
          dl[tail]:=p^.t;
          visit[p^.t]:=true;
        end;
      end;
      p:=p^.next;
    end;
    visit[x]:=false;
    inc(head);
  end;
end;
begin
  readln(n,m);
  for i:=1 to m do
  begin
    readln(x,y);
    ins(x,y,0);
  end;
  for i:=1 to n do
    if not visit[i] then tarjan(i);

  rebuild;
  for i:=1 to n do
  begin
    readln(x);
    inc(w[col[i]],x);
  end;
  readln(s,p);
  for i:=1 to p do
  begin
    read(x);
    en[col[x]]:=true;
  end;
  spfa;
  ans:=0;
  for i:=1 to num do
    if en[i] and (ans<dist[i]) then ans:=dist[i];
  writeln(ans);
end.
  • 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
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