[AGC002D] Stamp Rally [并查集+整体二分]

题面:

传送门

思路:

看到最大值最小,想到二分答案

原始的想法就是对于每一个询问二分,并查集每次更新,插入1~i的所有边统计答案,时间效率O(nmQlogm),gg

可是,这种方法里面,每一对询问二分的过程中,有很多次并查集的清空、插入做的是重复的工作

那么就考虑用整体二分将这些工作一次做完

我们用一个队列que来实现这个过程

一开始,向队列里插入元素(0,m,{1,2,...,Q}),代表集合1~Q的答案在范围(0,m]中

每一次从队头取出元素u(l,r,S),如果r-l==1,那么S中所有询问的答案就是R了

否则,令mid=(l+r)/2,查看并查集里面当前插入了多少条边

如果当前的边数比mid大,就清空重新加到mid

否则就加到mid就好了

在这个并查集中,O(1)统计每对节点所能到达的所有节点数有没有大于z

大于等于z的放到t1(l,mid,S1)里面,小于z的放到t2(mid,r,S2)里面

把t1t2放到队尾就可以了

最后把答案输出

Code:

  1 #include<iostream>
  2 #include<cstdio>
  3 #include<cstring>
  4 #include<algorithm>
  5 #include<vector>
  6 #include<queue>
  7 #define ll long long
  8 #define MOD 1000000007
  9 using namespace std;
 10 inline int read(){
 11     int re=0,flag=1;char ch=getchar();
 12     while(ch>'9'||ch<'0'){
 13         if(ch=='-') flag=-1;
 14         ch=getchar();
 15     }
 16     while(ch>='0'&&ch<='9') re=(re<<1)+(re<<3)+ch-'0',ch=getchar();
 17     return re*flag;
 18 }
 19 int n,m,Q,first[100010],cnt,ans[100010];
 20 struct edge{
 21     int to,next;
 22 }a[200010];
 23 void add(int u,int v){
 24     a[++cnt]=(edge){v,first[u]};first[u]=cnt;
 25     a[++cnt]=(edge){u,first[v]};first[v]=cnt;
 26 }
 27 int f[100010];
 28 void init(){
 29 //    cout<<"init"<<endl;
 30     for(int i=1;i<=n;i++) f[i]=-1;
 31 }
 32 int find(int x){
 33     return ((f[x]<0)?x:(f[x]=find(f[x])));
 34 }
 35 void join(int x,int y){
 36 //    cout<<"join "<<x<<ends<<y<<endl;
 37     int fx=find(x),fy=find(y);
 38 //    cout<<"find "<<fx<<ends<<fy<<endl;
 39     if(fx==fy) return;
 40     if(f[fx]>f[fy]) swap(x,y),swap(fx,fy);
 41     f[fx]+=f[fy];f[fy]=fx;
 42 }
 43 struct query{
 44     int x,y,z;
 45 }q[100010];
 46 struct node{
 47     int l,r;vector<int>q;
 48     void clear(){l=r=0;q.clear();}
 49 };
 50 bool check(int x){
 51 //    cout<<"check query "<<x<<endl;
 52     int tmp=(-f[find(q[x].x)]-f[find(q[x].y)]);
 53     if(find(q[x].x)==find(q[x].y)) tmp/=2;
 54     return (q[x].z<=tmp);
 55 }
 56 queue<node>que;
 57 void bfs(){
 58     int i,j,cur=0,mid;node u,t1,t2;init();
 59     while(!que.empty()){
 60         u=que.front();que.pop();t1.clear();t2.clear();
 61 //        cout<<"query "<<u.l<<ends<<u.r<<ends<<cur<<endl;
 62 //        for(i=0;i<u.q.size();i++) cout<<u.q[i]<<ends;cout<<endl;
 63 //        system("pause");
 64         if(u.r-u.l==1){
 65             for(i=0;i<u.q.size();i++) ans[u.q[i]]=u.r;
 66             continue;
 67         }
 68         mid=(u.r+u.l)>>1;
 69         if(cur>mid) init(),cur=0;
 70         while(cur<mid) cur++,join(a[cur<<1].to,a[(cur<<1)-1].to);
 71         j=u.q.size();
 72         t1.l=u.l;t1.r=mid;t2.l=mid;t2.r=u.r;
 73         for(i=0;i<j;i++){
 74             if(check(u.q[i])) t1.q.push_back(u.q[i]);
 75             else t2.q.push_back(u.q[i]);
 76         }
 77         que.push(t1);que.push(t2);
 78     }
 79 }
 80 int main(){
 81     memset(first,-1,sizeof(first));
 82     int i,t1,t2;node tmp;
 83     n=read();m=read();
 84     for(i=1;i<=m;i++){
 85         t1=read();t2=read();add(t1,t2);
 86     }
 87     Q=read();
 88     for(i=1;i<=Q;i++){
 89         q[i].x=read();q[i].y=read();q[i].z=read();
 90         tmp.q.push_back(i);
 91     }
 92     tmp.l=0;tmp.r=m;
 93     que.push(tmp);
 94     bfs();
 95     for(i=1;i<=Q;i++){
 96         printf("%d\n",ans[i]);
 97     }
 98 }
 99 /*
100 5 6
101 2 3
102 4 5
103 1 2
104 1 3
105 1 4
106 1 5
107 6
108 2 4 3
109 2 4 4
110 2 4 5
111 1 3 3
112 1 3 4
113 1 3 5
114 
115 */

 

转载于:https://www.cnblogs.com/dedicatus545/p/8459222.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