【uoj2】 NOI2014—起床困难综合症

http://uoj.ac/problem/2 (题目链接)

题意:给出n个操作包括And,or,xor,求从0~m中的一个数使得经过这些操作后得到的值最大。

Solution
  大水题。。贪心由高到低枚举二进制上每一位:这一位为0,经过操作后当前位变为1,那么就把这一位定为0;这一位为1,经过操作后仍然为1,且当前答案加上这一位后不超过m,那么就把这一位定为1;无论是0还是1经过操作后都为0,那么当然是选0,保证答案尽可能小。

代码:

// uoj2
#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdlib>
#include<cstdio>
#include<cmath>
#include<queue>
#define MOD 1000000007
#define inf 2147483640
#define LL long long
#define free(a) freopen(a".in","r",stdin);freopen(a".out","w",stdout);
using namespace std;

const int maxn=100010;
struct data {int t,op;}a[maxn];
int bin[31],n,m,x;
char s[10];

int cal(int x,int val) {
    for (int i=1;i<=n;i++) {
        if (a[i].op==0) val&=a[i].t;
        else if (a[i].op==1) val|=a[i].t;
        else val^=a[i].t;
    }
    if (val&x) return 1;
    else return 0;
}
int main() {
    bin[0]=1;for (int i=1;i<=30;i++) bin[i]=bin[i-1]<<1;
    scanf("%d%d",&n,&m);
    char s[10];
    for (int i=1;i<=n;i++) {
        scanf("%s%d",s,&a[i].t);
        if (s[0]=='A') a[i].op=0;
        else if (s[0]=='O') a[i].op=1;
        else a[i].op=2;
    }
    int l=30,ans=0;
    if (m!=0) {
        for (;bin[l]>m;l--);
        for (int i=l;i>=0;i--) {
            if (cal(bin[i],0)) continue;
            else if (cal(bin[i],bin[i]) && ans+bin[i]<=m) ans+=bin[i];
        }
    }
    for (int i=1;i<=n;i++) {
        if (a[i].op==0) ans&=a[i].t;
        else if (a[i].op==1) ans|=a[i].t;
        else ans^=a[i].t;
    }
    printf("%d",ans);
    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