洛谷 P2136 拉近距离 负环 双向spfa取min

该博客详细解析了洛谷P2136题目的解题思路,强调在求解过程中,'拉近距离'的起点不仅限于小明,可能也包括小红。作者建议对1和n作为源点分别应用双向SPFA算法,并通过cnt数组判断是否存在负环,当节点入队次数超过n时,可确认存在负环。
摘要由CSDN通过智能技术生成

题目链接:

https://www.luogu.org/problem/P2136

思路提示博客:https://www.luogu.org/blog/user27165/solution-p2136

思路:

1:关键点:“拉近距离”的不一定是小明,也可能是小红,题目中没有给出具体的源点汇点,所以在做spfa的时候,分别以1和n为源点各做一遍,取min

    spfa(1);
    int mi=d[n];
    spfa(n);
    cout<<min(mi,d[1])<<endl;

2:判断负环的方法,cnt数组,存一个节点入队的次数,如果大于n则说明存在负环

#include <bits/stdc++.h>

using namespace std;
const int maxn=1e3+1;
vector<pair<int,int> >e[maxn];
int n,m,ing[maxn],a,b,c,d[maxn],cnt[maxn];

inline void spfa(int s)
{
    memset(ing,0,sizeof(ing));
    memset(d,0x7f,sizeof(d));
    queue<int>q;
    q.push(
  • 0
    点赞
  • 1
    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