poj 3592 强连通+缩点+dfs

传送们

题意:给你一个m*n的矩阵(抱歉,由于习惯,我这里mn和题中的mn是反的,我的m是行,n是列),只可以向下或向右走,如果是数字,代表矿石数,*代表传送点,#代表不能到的地方。有多少个*之后就有多少个坐标,代表被传送到的地方,传送是主动选择的,可以选择不传送。问你最多能采多少矿石。

思路:根据矩阵建立有向图,#的地方就不用管啦,*的地方多建一条边就是了。然后根据有向图求强连通分量,然后把每个分量当作单独的点来处理,它的矿石数等于它包含的点的矿石数之和,再根据原来点的边给新点建边,注意去重,最后我是从原来0 0坐标所在的强连通分量的那个新点开始dfs,从而找到最大的矿石数。

吐槽:*可能传送到#,这里要注意,我就是被这个给坑啦。


#include<iostream>
#include<cstdio>
#include<cstring>
#include<stack>
using namespace std;
int t,m,n;
char a[50][50];
int scnum,snum,ti,d[2000],dfn[2000],low[2000],k[2000],s[4000];
int num,fst[4000],next[8000000],node[8000000],ans;
bool inst[2000],vis[4000],p[4000][4000];
stack<int>st;
void init()
{
    int x,y;
    scnum=0;
    num=0;
    ti=0;
    ans=0;
    memset(fst,-1,sizeof(fst));
    memset(s,0,sizeof(s));
    memset(dfn,0,sizeof(dfn));
    memset(vis,0,sizeof(vis));
    memset(inst,0,sizeof(inst));
    memset(p,0,sizeof(p));
    memset(d,0,sizeof(d));
    scanf("%d%d",&m,&n);
    snum=m*n;
    for(int i=0; i<m; i++)scanf("%s",a[i]);
    for(int i=0; i<m; i++)
    {
        for(int j=0; j<n; j++)
        {
            if(a[i][j]!='#')
            {
                if(a[i][j]!='*')k[i*n+j]=(a[i][j]-'0');
                else
                {
                    k[i*n+j]=0;
                    scanf("%d%d",&x,&y);
                    if(a[x][y]!='#')
                    {
                        next[++num]=fst[i*n+j];
                        fst[i*n+j]=num;
                        node[num]=x*n+y;
                    }
                }
                if(i+1<m&&a[i+1][j]!='#')
                {
                    next[++num]=fst[i*n+j];
                    fst[i*n+j]=num;
                    node[num]=(i+1)*n+j;
                }
                if(j+1<n&&a[i][j+1]!='#')
                {
                    next[++num]=fst[i*n+j];
                    fst[i*n+j]=num;
                    node[num]=i*n+j+1;
                }
            }
        }
    }
}
void tarjan(int u)
{
    int v;
    dfn[u]=low[u]=++ti;
    st.push(u);
    inst[u]=1;
    for(int i=fst[u]; i!=-1; i=next[i])
    {
        v=node[i];
        if(!dfn[v])
        {
            tarjan(v);
            low[u]=min(low[u],low[v]);
        }
        else if(inst[v])low[u]=min(low[u],dfn[v]);
    }
    if(low[u]==dfn[u])
    {
        scnum++;
        do
        {
            v=st.top();
            st.pop();
            inst[v]=0;
            d[v]=snum+scnum;
            s[d[v]]+=k[v];
        }
        while(u!=v);
    }
}
void dfs(int u,int y)
{
    vis[u]=1;
    if(y+s[u]>ans)ans=y+s[u];
    for(int i=fst[u]; i!=-1; i=next[i])
    {
        int v=node[i];
        if(!vis[v])dfs(v,y+s[u]);
    }
    vis[u]=0;
}
void solve()
{
    int v;
    for(int i=0; i<snum; i++)
    {
        if(!dfn[i]&&a[i/n][i%n]!='#')tarjan(i);
    }
    for(int i=0; i<snum; i++)
    {
        if(d[i])
        {
            for(int j=fst[i]; j!=-1; j=next[j])
            {
                v=node[j];
                if(d[i]!=d[v]&&!p[d[i]][d[v]])
                {
                    p[d[i]][d[v]]=1;
                    next[++num]=fst[d[i]];
                    fst[d[i]]=num;
                    node[num]=d[v];
                }
            }
        }
    }
    dfs(d[0],0);
    printf("%d\n",ans);
}
int main()
{
    scanf("%d",&t);
    while(t--)
    {
        init();
        solve();
    }
    return 0;
}


【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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