Sicily.1114 Food Cubes

三维空间上的BFS。(不是自己想出来的,思路是讨论区@TLE from SMIE 同学的。

需要注意的地方:1.hole不一定是一个点,注意到关键词:continuous ,它可以是任意形状的,只要六个方向都被围住即可。 2.一定要考虑到边界,即"hole"若有一部分是边界,那它便不是hole。

代码如下:


#include <iostream>  
#include <string>  
using namespace std;  
  
bool grap[101][101][101];//三维空间  
//每一个case的边界  
int min_x,min_y,min_z;  
int max_x,max_y,max_z;  
  
void reset()  
{  
    min_x = min_y = min_z = 100;  
    max_x = max_y = max_z = 1;  
    for (int i = 1;i <= 100;i ++)  
        for (int j = 1;j <= 100;j ++)  
            for (int k = 1;k <= 100;k ++)  
                grap[i][j][k] = 0;   
}  
  
void init(int m)  
{  
    reset();  
    int x,y,z;  
    for (int i = 0;i < m;i ++)  
    {  
        cin >> x >> y >> z;  
        grap[x][y][z] = 1;  
		//更新边界  
        min_x = min(x,min_x);   max_x = max(x,max_x);  
        min_y = min(y,min_y);   max_y = max(y,max_y);  
        min_z = min(z,min_z);   max_z = max(z,max_z);  
    }   
}  
  
bool is_side(int x,int y,int z) //判断该点是否为边界点  
{  
    if (x == min_x || x == max_x || y == min_y || y == max_y  
        || z == min_z || z == max_z)  
        return true;  
    return false;  
}  
  
bool bfs(int x,int y,int z)  
{  
    if (grap[x][y][z] == 1) return true;	//如果是food cube或者被处理过的"hole"点,返回true  
    if (is_side(x,y,z)) return false;	//如果是边界点,返回false  
      
    grap[x][y][z] = 1;	//将hole点标记为1,表示已处理过  
    bool pd = true;  
	//遍历上下左右前后  
    pd &= bfs(x,y,z + 1);  
    pd &= bfs(x,y,z - 1);  
    pd &= bfs(x - 1,y,z);  
    pd &= bfs(x + 1,y,z);  
    pd &= bfs(x,y + 1,z);  
    pd &= bfs(x,y - 1,z);  
      
    return pd;   
}  
  
int findhole()  
{  
    int cnt = 0;  
    for (int i = min_x;i <= max_x;i ++)  
        for (int j = min_y;j <= max_y;j ++)  
            for (int k = min_z;k <= max_z;k ++)  
            {  
                if (grap[i][j][k] == 0 && bfs(i,j,k))  
                    cnt ++;  
            }  
    return cnt;  
}  
  
int main()  
{  
    int cases,m;  
    cin >> cases;  
    while(cases --)  
    {  
        cin >> m;  
        init(m);  
        cout << findhole() << endl;  
    }  
} 




1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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