loj553 「LibreOJ Round #8」MINIM

最简单的暴力dp就是f[i][j]表示到i异或和为j的最小花费。

然后我们发现两堆大小为i,j的石子合并,可以更新到一堆大小为k=i,j最高公共的1以下都是1,以上是i|j,权值为v1+v2的石子。

我们可以打表发现这个段数其实很小,其实也可以严谨的证明或者感性理解,但是我不会。。

所以我们记录当前的所有f值以及端点然后暴力转移就可以了。

 1 #include <cstdio>
 2 #include <cstring>
 3 #include <iostream>
 4 #include <algorithm>
 5 #include <cmath>
 6 #include <map>
 7 #define N 100500
 8 #define int long long 
 9 using namespace std;
10 int n,m,q,cnt1,cnt2,ans;
11 struct data{
12     int v,l;
13     data(){}
14     data(int x,int y){v=x;l=y;}
15     bool operator < (const data & a)const{
16         if(v==a.v)return l>a.l;
17         return v<a.v;
18     }
19     data operator + (data a){
20         data b=data(v+a.v,l|a.l);
21         for(int i=30;~i;i--)if(l&a.l&(1<<i))
22             {b.l|=(1<<i)-1;break;}
23         return b;
24     }
25 }f[N<<1],d;
26 signed main(){
27     //freopen("test.in","r",stdin);
28     scanf("%lld%lld",&n,&m);
29     cnt1++;
30     f[1]=data(0,0);
31     register int i,j;
32     for(i=1;i<=n;i++){
33         scanf("%lld%lld",&d.v,&d.l);
34         for(j=1;j<=cnt1;j++)f[cnt1+j]=f[j]+d;
35         sort(f+1,f+2*cnt1+1);
36         for(cnt2=1,j=2;j<=2*cnt1;j++)
37             if(f[j].l>f[cnt2].l)f[++cnt2]=f[j];
38         cnt1=cnt2;
39     }
40     scanf("%lld",&q);
41     int x;
42     while(q--){
43         scanf("%lld",&x);
44         ans=-1;
45         for(int i=1;i<=cnt1;i++)if(f[i].l>=x)
46             {ans=f[i].v;break;}
47         printf("%lld\n",ans);
48     }
49     return 0;
50 }
View Code

 

转载于:https://www.cnblogs.com/Ren-Ivan/p/8877874.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