ACM 模板

就让这篇文章以后就用来保存一些犀利的算法模板吧~~~~~~上吧 ! 皮卡丘~~~~~就决定是你了~~~~~~~~~~~~~~~~



用Bellman - Ford 算法判断一个图里面是否存在负环(PS : 先收了,以后有了更好的算法再来update)

bool BF(int M)
{
      int cnt =  1;
      while (true)
      {
            int flag  = 0;
            for (int i=1;i<M;i++)
                  if (dist[edge[i].e] > dist[edge[i].s] + edge[i].d)
                  {
                        flag = 1;
                        dist[edge[i].e] = dist[edge[i].s] + edge[i].d;
                  }
            if (flag == 0)return 0; //无法再进行松弛操作,所以返回没有负环 
            if (cnt ++ > M - 1)return 1;  //多余循环说明存在负环
      }
}


今天用邻接表写了一个 Dijkstra 第一次~~~~~~

暂时就用那段搓码做模板吧~~~


void init()
{
    memset(first,-1,sizeof(first));
    Q = 0;
}

void Read(int a,int b,int c)//a - > b 权值是 c
{
    u[Q] = a; v[Q] = b; w[Q] = c;
    next[Q] = first[u[Q]];
    first[u[Q]] = Q ++;
}

int Dijkstra(int sx,int ex)
{
    memset(vis,0,sizeof(vis));
    for (int i=1;i<=N;i++)
        dist[i] = INF;
    dist[sx] = 0;
    for (int i=1;i<=N;i++)
    {
        int x,m = INF;
        for (int  y=1;y<=N;y++)
            if (vis[y] == 0 && first[y] != -1 && dist[y] < m)
            {
                x = y;
                m = dist[y];
            }
        vis[x] = 1;
        if (x == ex)break;
        for (int y=first[x];y!=-1;y=next[y])
            dist[v[y]] = MIN(dist[x]+w[y],dist[v[y]]);
    }
    return dist[ex];
}



开始刷线段树了,先贴一个HH大牛的代码作为模板 :


int sum[maxn * 4];

//    将两个子节点的信息保存到父节点上去~~
void PushUP(int e)
{
      sum[e] = sum[e * 2] + sum[e * 2 + 1];
}

//    建立一棵线段树
void build(int l,int r,int e)
{
      if (l == r)
      {
            scanf("%d",&sum[e]);
            return ;
      }
      int mid = (l + r) / 2;
      build(l , mid , e * 2);
      build(mid + 1 , r , e * 2 + 1);
      PushUP(e);
}

//    进行更新操作~~
void update(int p,int add,int l,int r,int e)
{
      if (l == r)
	{
            sum[e] += add;
            return ;
      }
      int mid = (l + r) / 2;
      if (p <= mid) update(p , add , l , mid , e * 2);
      else update(p , add , mid + 1 , r , e * 2 + 1);
      PushUP(e);
}

//    询问操作~~
int query(int L,int R,int l,int r,int e)
{
      if (L <= l && r <= R)
      {
            return sum[e];
      }
      int mid = (l + r) / 2;
      int ans = 0;
      if (L <= mid) ans += query(L , R , l , mid , e * 2);
      if (R > mid) ans += query(L , R , mid + 1, r , e * 2 + 1);
      return ans;
}


默默的再贴一个刘汝佳的那本书上的一个Edmonds - Karp 算法模板(略改)



int cap[maxn][maxn];  //      边的容量
int flow[maxn][maxn]; //      边的流量
int a[maxn * 100];    //      最小残量
int p[maxn * 100];    //      保存路径
int N,M;
int EK(int s,int t)
{
      queue<int> q;
      memset(flow,0,sizeof(flow));
      int ans = 0;
      while (true)
      {
            memset(a,0,sizeof(a));
            a[s] = INF;
            q.push(s);
            while (!q.empty())
            {
                  int u = q.front();q.pop();
                  for (int v=1;v<=N;v++)
                        if (!a[v] && cap[u][v] > flow[u][v])
                        {
                              p[v] = u; q.push(v);
                              a[v] = MIN(a[u],cap[u][v] - flow[u][v]);
                        }
            }
            if (a[t] == 0)return ans;
            for (int u=t;u!=s;u=p[u])
            {
                  flow[p[u]][u] += a[t];
                  flow[u][p[u]] -= a[t];
            }
            ans += a[t];
      }
}



转载于:https://www.cnblogs.com/cnwsycf/p/3335366.html

  • 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