POJ 1094 Sorting It All Out【拓扑序

4 篇文章 0 订阅
2 篇文章 0 订阅

嗯……大过年的先说声新年快乐啦【估计没人看就写给以后可能会复习的我好了【【

呃……我这道题也是WA的哭了出来 直接从腊月WA到了今年……呃……初三了?

重点是,这道题秉承了样例必须水的……呃……优良传统x 于是各种被水淹没 不知所措

终于 挂在了这个数据上

4 4

A<B

C<B

D<B

B<A


首先这的确是一道水题………然而为什么会WA的这么凄惨…………在对比了我的程序和题解之后【终于 终于找到一个小细节  我发现现在条件不充分的时候就直接return了……然而A的那个程序却继续找了下去【这个就血崩了x


嗯……重点就是,先判环,,我也是这么觉得的【前面两个逗号并不是逼死强迫症233我也并不话唠啦x  】 然而,万万没想到啊,就这么忘了,条件不充分也可能有环啊…………于是,在发现条件不充分的时候,还要继续topo判环……反正 有环的优先级比找不到的优先级更高所以咯……【哭着上代码【其实在debug的时候重新码了一遍,长得应该和某位菊苣的题解十分相似【根本就是一样吧……orzorz



#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;	int n,m,sign;
bool ways[26][26];
int indu[26];
char tmp[10];
int now[26];

int q[30],head,tail;

int Topo(){
	head=tail=0;
	int flag=1;
	for(int _=0;_<n;++_)
		now[_]=indu[_];
		
	int cnt,loc;
	for(int ff=1;ff<=n;++ff){
		cnt=0;
		for(int _=0;_<n;++_)
			if(!now[_])	++cnt,loc=_;
		if(!cnt)	return	0;
		if(cnt>1)	flag=-1;<span style="white-space:pre">	</span>//这里就是重点啊啊啊……我当时直接return -1 了……然而WA了好久都不知道怎么挂的……☆☆☆
		now[loc]=-1,q[tail++]=loc;	
		for(int _=0;_<n;++_)
			if(ways[loc][_])	--now[_];
	}
	return flag;
}

int main(){
	freopen("233.in","r",stdin);	
	while(scanf("%d%d",&n,&m)&&(n||m)){
		memset(ways,0,sizeof(ways));
		memset(indu,0,sizeof(indu));
		sign=0;
		for(int i=1;i<=m;++i){
			scanf("%s",tmp);
			if(sign)	continue;
			ways[tmp[0]-'A'][tmp[2]-'A']=1;
			++indu[tmp[2]-'A'];
			int s=Topo();
            if(s==0) 
            {
                printf("Inconsistency found after %d relations.\n",i);
                sign=1;
            }
            if(s==1) 
            {
                printf("Sorted sequence determined after %d relations: ",i);
                for(int j=0;j<n;j++)
                    printf("%c",q[j]+'A');
                printf(".\n");
                sign=1;
            }
		}
		if(!sign)	printf("Sorted sequence cannot be determined.\n");
	}
	
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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