XJOI #8T1 炮兵阵地 状压DP

可以发现每行的状态仅和上面两行有关。我们可以状压,考虑用 fi,j,k 表示当前是第 i 行,且第i行的状态为 j ,第i1行的状态为 k 。那么转移:

fi,j,k=max(fi1,k,p+ccj)

其中 ccj 表示状态 j 的1的个数。
如何保证转移是合法的呢,就是要保证j and k=0,j and p=0,k and p=0且保证 j,k,p 放在第 i,i1,i2 行都合法,这些都可以用位运算解决。这样状态是比较多的,我们考虑有许多冗余的状态,比如同一行上有 "..01101.." 这种串,所以我们可以预处理出合法的状态,一个状态 sta 合法当且仅当 sta and (sta<<1)=0sta and (sta<<2)=0
然后特判1、2行,后面状压飞起。

#include<iostream>
#include<cstdio>
using namespace std;
int n,m,cnt,ans;
char s[15];
int a[105],state[105],cc[105];
int f[105][105][105];
inline void pre()
{
    for (int sta=0;sta<(1<<m);sta++)
    {
        int now=sta;
        if (((now<<1)&now)||((now<<2)&now)) continue;
        cnt++;
        while (now) cc[cnt]+=now&1,now>>=1;
        state[cnt]=sta;
    }
}
int main()
{
    scanf("%d%d",&n,&m);
    for (int i=1;i<=n;i++)
    {
        scanf("%s",s+1);
        for (int j=1;j<=m;j++)
            if (s[j]=='H') a[i]|=(1<<(m-j));
    }
    pre();
    for (int i=1;i<=cnt;i++)
        if ((state[i]&a[1])==0) f[1][i][0]=cc[i];
    for (int i=1;i<=cnt;i++)
        if ((state[i]&a[2])==0)
            for (int j=1;j<=cnt;j++)
                if ((state[i]&state[j])==0&&(state[j]&a[1])==0) f[2][i][j]=f[1][j][0]+cc[i];
    for (int i=3;i<=n;i++)
    {
        for (int j=1;j<=cnt;j++)
            if ((state[j]&a[i])==0)
                for (int k=1;k<=cnt;k++)
                {
                    if ((state[j]&state[k])==0&&(state[k]&a[i-1])==0)
                        for (int p=1;p<=cnt;p++)
                            if ((state[j]&state[p])==0&&(state[k]&state[p])==0&&(state[p]&a[i-2])==0)
                                f[i][j][k]=max(f[i][j][k],f[i-1][k][p]+cc[j]);
                }
    }
    for (int i=1;i<=cnt;i++)
        for (int j=1;j<=cnt;j++)
            ans=max(ans,f[n][i][j]);
    cout << ans << endl;
    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