【差分约束】POJ_1275 Cashier Employment

题意

n n n个人,每个人会从 t i t_i ti开始工作 8 8 8小时。商店的第 i i i个小时需要 r i r_i ri个人,求出需要的最少人数满足商店的要求。

思路

r i r_i ri为商店第 i i i个小时需要的人, t i t_i ti为第 i i i个小时开始可以工作的人, x i x_i xi为第 i i i个小时已经在工作的人,根据题意可得,
x i − 8 + x i − 7 + . . . + x i ≥ r i x_{i-8}+x_{i-7}+...+x_{i}\geq r_i xi8+xi7+...+xiri
我们设 s i s_i si x 0 + x 1 + . . . + x i x_{0}+x_{1}+...+x_{i} x0+x1+...+xi
那么有
s i − s i − 8 ≥ r i s_i-s_{i-8}\geq r_i sisi8ri
s i + s 24 − s i + 16 ≥ r i s_i+s_{24}-s_{i+16}\geq r_i si+s24si+16ri{隔天}
s i − s i − 1 ≥ 0 s_i-s_{i-1}\geq0 sisi10
s i − 1 − s i ≥ − t i s_{i-1}-s_i\geq-t_i si1siti
由于上面的第二条中出现了 s 24 s_{24} s24这一未知数,不满足差分约束的条件,所以我们可以枚举 s 24 s_{24} s24,记为 a n s ans ans
由于求出的 s 24 s_{24} s24可能小于 a n s ans ans,导致第二个条件不满足,所以我们还要多加一个条件 s 24 − s 0 ≥ a n s s_{24}-s_0\geq ans s24s0ans

代码

#include<queue>
#include<cstdio>
#include<cstring>

int T, tot, f;
int head[1001], next[1001], ver[1001], edge[1001], cnt[25], d[25], v[25];
int r[25], t[25], x[25];

void add(int u, int v, int w) {
	ver[++tot] = v;
	edge[tot] = w;
	next[tot] = head[u];
	head[u] = tot;
}

int spfa(int s) {
	std::queue<int> q;
	memset(d, -127 / 3, sizeof(d));
	memset(v, 0, sizeof(v));
	memset(cnt, 0, sizeof(cnt));
	v[0] = 1;
	d[0] = 0;
	cnt[0] = 1;
	q.push(0);
	while (q.size()) {
		int u = q.front();
		q.pop();
		v[u] = 0;
		for (int i = head[u]; i; i = next[i]) {
			int to = ver[i];
			if (d[to] < d[u] + edge[i]) {
				d[to] = d[u] + edge[i];
				if (!v[to]) {
					if (++cnt[to] > 24) return 0;
					v[to] = 1;
					q.push(to);
				}
			}
		}
	}
	if (s == d[24]) return 1;
	else return 0;
}

int main() {
	scanf("%d", &T);
	while (T--) {
		memset(t, 0, sizeof(t));
		f = 0;
		for (int i = 1; i <= 24; i++)
			scanf("%d", &r[i]);
		int n, a;
		scanf("%d", &n);
		for (int i = 1; i <= n; i++) {
			scanf("%d", &a);
			t[a + 1]++;
		}
		for (int s = 0; s <= n; s++) {
			memset(head, 0, sizeof(head));
			tot = 0;
			add(0, 24, s);
			for (int i = 1; i <= 24; i++) {
				if (i > 8) add(i - 8, i, r[i]);
				else add(16 + i, i, r[i] - s);
				add(i - 1, i, 0);
				add(i, i - 1, -t[i]);
			}
			if (spfa(s)) {
				f = 1;
				break;
			}
		}
		if (f) printf("%d\n", d[24]);
		else printf("No Solution\n");
	}
}
  • 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