【模拟赛】2021.8.14.B

该博客讨论了一种算法问题,即如何在无向图中删除最少的边,使得所有编号小于或等于k的节点都不在环路上。首先通过并查集将所有编号大于k的节点连通,然后枚举可能需要删除的边,利用并查集判断是否形成环,若形成环则增加删除计数。最后输出需要删除的边数。这是一个涉及图论和算法的编程问题。
摘要由CSDN通过智能技术生成

题目描述

给出一张n个点m条边的无向图和一个k,求若要使编号小于等于k的点不在环上需要删除多少条边

思路

首先肯定是只用删编号小于等于k的点的边
先把其他边全部连起来
然后枚举这些可能要删的边
用并查集判环,若两点find值相同,则这条边可以删
否则可以给他连起来

代码

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
using namespace std;

int Fa[10000250], x[10000250], y[10000250];
int n, m, k, xx, yy, Ans;

inline int read()
{
	int x = 0, r = 1; char c = getchar();
	while(c < '0' || c > '9'){if(c == '-')r = -1;c = getchar();}
	while('0' <= c && c <= '9')x = x * 10 + c - 48, c = getchar();
	return x * r;
}

int find(int k)
{
	if(k == Fa[k])return k;
	else return (Fa[k] = find(Fa[k]));
}

int main()
{
	n = read(), m = read(), k = read();
	for(int i = 1; i <= n; ++i)Fa[i] = i;
	for(int i = 1; i <= m; ++i)
	{
		x[i] = read(), y[i] = read();
		if(x[i] > k && y[i] > k)
		{
			xx = find(x[i]);
			yy = find(y[i]);
			Fa[max(xx, yy)] = min(xx, yy);
		}
	}
	for(int i = 1; i <= m; ++i)
		if(x[i] <= k || y[i] <= k)
		{
			xx = find(x[i]);
			yy = find(y[i]);
			if(xx == yy)Ans++;
			else Fa[max(xx, yy)] = min(xx, yy);
		}
	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