Luogu1197 [JSOI2008]星球大战

题目链接

https://www.luogu.org/problemnew/show/P1197

题解

并查集水过。。。
想必顺着题意只能暴力了,因为涉及到拆点很麻烦
所以我们反着来(笑)
仔细想想,反着来不就是建点了吗///233
于是并查集判断联通块,OK大功告成
eg:那个数据范围是真的坑!!!
1 <= n <= 2m 硬生生看成 1 <= m <= 2n
60分RE了半天...
#include<cstdio>
#include<cstring>
const int MAXN = 400001; //n <= 2m!!!

int fir[MAXN], nxt[MAXN << 1], to[MAXN << 1], from[MAXN << 1], cnt;
int fa[MAXN], goal[MAXN], tot, ans[MAXN];
bool flag[MAXN];

inline int read(){
	int k = 0; char ch = getchar();
	while(ch < '0' || ch > '9') ch = getchar();
	while(ch >= '0' && ch <= '9') {k = k*10 + ch - '0'; ch = getchar();}
	return k;
}

inline void add_edge(int a, int b){
	from[cnt] = a; to[cnt] = b; nxt[cnt] = fir[a]; fir[a] = cnt++;
}

int get(int t){
	if(fa[t] != t) fa[t] = get(fa[t]);
	return fa[t]; 
}

inline bool Connect(int a, int b){
	int A = get(a), B = get(b);
	if(A != B){
		fa[A] = B;
		tot--; //联通块个数-1 
	}
}

int main(){
	freopen("in.txt", "r", stdin);
	memset(fir, -1, sizeof(fir));
	int n = read(), m = read();
	for(int i = 0; i < n; i++){
		fa[i] = i;
	}
	for(int i = 1; i <= m; i++){
		int a = read(), b = read();
		add_edge(a, b);
		add_edge(b, a);
	}
	
	int k = read();
	tot = n - k;
	
	for(int i = 1; i <= k; i++){
		goal[i] = read(); //第i次的目标 
		flag[goal[i]] = true;
	}
	
	for(int i = 0; i < m; i++){
		int u = from[i << 1], v = to[i << 1];
		if(!flag[u] && !flag[v])
			Connect(u, v);
	}
	
	ans[k] = tot;
	for(int j = k; j >= 1; j--){
		int u = goal[j]; //修好第j个 
		flag[u] = false;
		tot++; //联通块+1 
		for(int i = fir[u]; i != -1; i = nxt[i]){
			int v = to[i];
			if(!flag[v])
				Connect(u, v); //连接 
		}
		ans[j - 1] = tot; //注意,修好第j个被破坏的,得出结果是第j-1次后剩下的联通块个数 
	}
	for(int i = 0; i <= k; i++)
		printf("%d\n", ans[i]);
	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
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