POJ_1661 Help Jimmy

Help Jimmy

链接

POJ_1661 Help Jimmy

Description

" H e l p "Help "Help J i m m y " Jimmy" Jimmy" 是在下图所示的场景上完成的游戏。

Help Jimmy

场景中包括多个长度和高度各不相同的平台。地面是最低的平台,高度为零,长度无限。

J i m m y Jimmy Jimmy 老鼠在时刻 0 0 0 从高于所有平台的某处开始下落,它的下落速度始终为1米/秒。当 J i m m y Jimmy Jimmy 落到某个平台上时,游戏者选择让它向左还是向右跑,它跑动的速度也是 1 1 1 米/秒。当Jimmy跑到平台的边缘时,开始继续下落。 J i m m y Jimmy Jimmy 每次下落的高度不能超过 M A X MAX MAX 米,不然就会摔死,游戏也会结束。

设计一个程序,计算 J i m m y Jimmy Jimmy 到底地面时可能的最早时间。

Input

第一行是测试数据的组数 t ( 0 < = t < = 20 ) t(0 <= t <= 20) t(0<=t<=20)。每组测试数据的第一行是四个整数 N , X , Y , M A X N,X,Y,MAX NXYMAX,用空格分隔。 N N N 是平台的数目(不包括地面), X X X Y Y Y J i m m y Jimmy Jimmy 开始下落的位置的横竖坐标, M A X MAX MAX 是一次下落的最大高度。接下来的N行每行描述一个平台,包括三个整数, X 1 [ i ] X1[i] X1[i] X 2 [ i ] X2[i] X2[i] H [ i ] H[i] H[i]。H[i]表示平台的高度,X1[i]和X2[i]表示平台左右端点的横坐标。 1 < = N < = 1000 1 <= N <= 1000 1<=N<=1000 − 20000 < = X , X 1 i , X 2 i < = 20000 -20000 <= X, X1_i, X2_i <= 20000 20000<=X,X1i,X2i<=20000 0 < H i < Y < = 20000 ( i = 1.. N ) 0 < H_i < Y <= 20000(i = 1..N) 0<Hi<Y<=20000(i=1..N)。所有坐标的单位都是米。

J i m m y Jimmy Jimmy 的大小和平台的厚度均忽略不计。如果 J i m m y Jimmy Jimmy 恰好落在某个平台的边缘,被视为落在平台上。所有的平台均不重叠或相连。测试数据保证问题一定有解。

Output

对输入的每组测试数据,输出一个整数, J i m m y Jimmy Jimmy 到底地面时可能的最早时间。

Sample Input

1
3 8 17 20
0 10 8
0 10 13
4 14 3

Sample Output

23

解析

很显然, J i m m y Jimmy Jimmy 在竖直方向移动的距离是固定的,我们要求的只是 J i m m y Jimmy Jimmy 在水平方向移动的距离。

我们可以将地面和 J i m m y Jimmy Jimmy 的初始位置也作为一个平台,然后以平台为阶段进行动态规划。

f i , 0 f_{i,0} fi,0 f i , 1 f_{i,1} fi,1 分别为从地面(平台 0 0 0)到平台 i i i 的左端点和右端点所花费的最短时间。对于每个端点,我们要考虑它的正下方是否有与它高度差小于 M A X MAX MAX 的平台,若存在,则分别考虑从下方平台的左端点和右端点上到该端点所花费的时间,求其中的最小值。

于是我们有了状态转移方程:
f i , k = H i − H j + m i n ( X i , k − X j , 0 + f j , 0 , X j , 1 − X i , 1 + f j , 1 ) f_{i,k}=H_{i}-H_{j}+min(X_{i,k}-X_{j,0}+f_{j,0},X_{j,1}-X_{i,1}+f_{j,1}) fi,k=HiHj+min(Xi,kXj,0+fj,0,Xj,1Xi,1+fj,1)
其中, j j j 为我们求得的下方平台的编号。

代码

#include<iostream>
#include<cstring>
#include<cstdio>
#include<string>
#include<algorithm>
#include<cmath>
using namespace std;
const int inf=1e8; 
struct str
{
	int x[2],y;
}a[1002];
int t,n,x,y,maxx;
int f[1002][2];
bool flag;
bool cmp(str a,str b)
{
	return a.y<b.y;
}
bool check(int k,int j,int w)
{
	for (int i=k+1;i<j;i++)
			if(a[i].x[0]<=a[k].x[w]&&a[k].x[w]<=a[i].x[1])
				return false;
	return true;
}
void fun(int i,int k)
{
	for(int j=i-1;j>0;j--)
	{
		if(a[i].y-a[j].y>maxx)
		{
			f[i][k]=inf;
			return;
		}
		if(a[j].x[0]<=a[i].x[k]&&a[i].x[k]<=a[j].x[1])
		{
			f[i][k]=(a[i].y-a[j].y)+min((a[i].x[k]-a[j].x[0])+f[j][0],(a[j].x[1]-a[i].x[k])+f[j][1]);
			return;
		}
	}
	f[i][k]=a[i].y;
	return;
}
int solve()
{
	for(int i=1;i<=n+1;i++)
	{
		fun(i,0);
		fun(i,1);
	}
	return min(f[n+1][0],f[n+1][1]);
}
int main() {
	scanf("%d",&t);
	for (int i=1;i<=t;i++)
	{
		memset(f,0,sizeof(f));
		scanf("%d%d%d%d",&n,&x,&y,&maxx);
		a[0].x[0]=-20000,a[0].x[1]=20000;
		a[n+1].x[0]=a[n+1].x[1]=x,a[n+1].y=y;
		for (int j=1;j<=n;j++)
			scanf("%d%d%d",&a[j].x[0],&a[j].x[1],&a[j].y);
		sort(a,a+n+2,cmp);
		printf("%d\n",solve());
	}
	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