并查集/poj1182 noi2001食物链eat

题意

  有三类动物A,B,C,题中给出两种关系:

    1 x y :x y 同类

    2 x y :x吃y

  对于假话的定义:

    1.当前的话与前面的某些真的话冲突,就是假话;

    2.当前的话中X或Y比N大,就是假话;

    3.当前的话表示X吃X,就是假话。

  现在给出n句这样的关系,求假话个数。

分析

  这是第二次写这道题了,第一次是去年刚学并查集的时候。当初囫囵吞枣A了,现在拿出来发现自己根本就没明白。

  感觉,经典的题还是要时常拿出来做一做。

  刚才某人吐槽:这题比就我小4岁。呵呵....

 

  废话少说,说正题。

 

  看题解写的,这个人的分析很详细哦~!膜拜!http://blog.csdn.net/c0de4fun/article/details/7318642

  感觉他说的太详细了,所以鄙人就摘抄并整理修改一下这位大神的,自己也没什么可写的了...谢谢大神

  Part I - 权值(relation)的确定。
    我们根据题意,森林中有3种动物。A吃B,B吃C,C吃A。
    我们还要使用并查集,那么,我们就以动物之间的关系来作为并查集每个节点的权值。
    注意,我们不知道所给的动物(题目说了,输入只给编号)所属的种类。


    所以,我们可以用动物之间“相对”的关系来确定一个并查集。
        0 - 这个节点与它的父节点是同类
        1 - 这个节点被它的父节点吃
        2 - 这个节点吃它的父节点。

    注意,这个0,1,2所代表的意义不是随便制定的,我们看题目中的要求。
    说话的时候,第一个数字(下文中,设为d)指定了后面两种动物的关系:
        1 - X与Y同类
        2 - X吃Y

    我们注意到,当 d = 1的时候,( d - 1 ) = 0,也就是我们制定的意义
    当 d = 2的时候,( d - 1 ) = 1,代表Y被X吃,也是我们指定的意义。
    所以,这个0,1,2不是随便选的


  Part II - 路径压缩,以及节点间关系确定
    确定了权值之后,我们要确定有关的操作。
    我们把所有的动物全初始化 relation[i]=0,f[i]=i

    (1)路径压缩时的节点算法

    通过穷举我们可以发现

      f[now]=f[f[now]]

      relation[now]=(relation[now]+relation[f[now]]) % 3

    这个路径压缩算法是正确的
    关于这个路径压缩算法,还有一点需要注意的地方,我们一会再谈
    注意,根据当前节点的relation和当前节点父节点的relation推出
    当前节点与其父节点的父节点的relation这个公式十分重要!!
    它推不出来下面都理解不了!!自己用穷举法推一下:
    好吧,为了方便伸手党,我给出穷举过程
                i      j
        爷爷  父亲 儿子      儿子与爷爷
           0      0      (i + j)%3 = 0
           0      1      (i + j)%3 = 1
           0      2      (i + j)%3 = 2
           1      0      (i + j)%3 = 1
           1      1      (i + j)%3 = 2
           1      2      (i + j)%3 = 0
           2      0      (i + j)%3 = 2
           2      1      (i + j)%3 = 0
           2      2      (i + j)%3 = 1
    嗯,这样可以看到,( 儿子relation + 父亲relation ) % 3 = 儿子对爷爷的relation

      所以有relation[now]=(relation[now]+relation[f[now]]) % 3
      这就是路径压缩的节点算法


    (2) 集合间关系的确定
        relation[find(y)]=(3-relation[y]+(d-1)+relation[x]) % 3;
        这个公式,是分三部分,这么推出来的:
        ( d - 1 ) :这是X和Y之间的relation,X是Y的父节点时,Y的relation就是这个
        3 - relation[y] = 根据Y与根节点的关系,逆推根节点与Y的关系
            这部分也是穷举法推出来的,我们举例:
              0(父子同类)( 3 - 0 ) % 3 = 0
              1(父吃子) ( 3 - 1 ) % 3 = 2 //父吃子
              2(子吃父) ( 3 - 2 ) % 3 = 1 //子吃父,一样的哦亲

        所以有y的父结点与x的父结点关系relation[find(y)]=(3-relation[y]+(d-1)+relation[x]) % 3;
        注意,这个当所有集合都是初始化状态的时候也适用


  Part III - 判断

    先处理特殊情况:      

    1.当x>n或y>n时,为假话(在这里竟然wa了一次...囧还是太不认真了)

     2.当d=2而x=y时,为假话

 
    其实所有的不同集合到最后都会被合并成一个集合的。我们只要在一个集合中找那些假话就可以了。

      (1)首先,如何判断
        1 X Y是不是假话。//此时 d = 1
        if ( X 和 Y 不在同一集合) Union(x,y,xroot,yroot,d)   

                    else if x.relation != y.relation ->假话

      (2)其次,如何判断
        2 X Y是不是假话 //此时d = 2
        if ( X 和 Y 不在同一集合)Union(x,y,xroot,yroot,d)
                    else (relation [y]+ 3 - relation[x] ) % 3 != 1 ->假话
        这个公式是这么来的:
          3 - relation[x]得到了根节点关于x的relation,
          relation [y]+ 3 - relation[x]得到了y关于x的relation
          所以,只要y关于x的relation不是1,就是y不被x吃的话,这句话肯定是假话!

 

      综合(1) 和(2),无论d=1或2,只要满足 ((relation[y]-relation[x]+3) Mod 3)<>(d-1) 即为假话

Accepted Code

 1 {
 2      PROBLEM:poj1182 noi2001 食物链 
 3      AUTHER:Rinyo
 4      MEMO:并查集
 5 }
 6 
 7 Program poj1182;
 8 Const
 9   Infile = 'poj1182.in';
10   Outfile = 'poj1182.out';
11 Var
12   relation,f:Array[0..50030]Of Longint;
13   n,k,d,x,y,ans,i,fx,fy:Longint;
14 Function find(x:Longint):Longint;
15 Var
16   fx:Longint;
17 Begin
18   If f[x]=x Then Exit(x)
19   Else Begin
20     fx:=find(f[x]);
21     relation[x]:=(relation[x]+relation[f[x]]) Mod 3;
22     f[x]:=fx;
23     Exit(fx);
24   End;
25 End;
26 Procedure union(x,y,fx,fy,d:Longint);
27 Begin
28   f[fy]:=fx;
29   relation[fy]:=(3-relation[y]+d-1+relation[x]) Mod 3;
30 End;
31 Begin
32   Assign(input,infile);Reset(input);
33   Assign(output,outfile);Rewrite(output);
34   ReadLn(n,k);
35   For i:=1 To n Do Begin
36     f[i]:=i;
37     relation[i]:=0;
38   End;
39   For i:=1 To k Do Begin
40     ReadLn(d,x,y);
41     If (x>n) or (y>n) Then Begin
42       Inc(ans);
43       Continue;
44     End;
45     If (d=2) And (x=y) Then Begin
46       Inc(ans);
47       Continue;
48     End;
49     fx:=find(x);fy:=find(y);
50     If fx<>fy Then union(x,y,fx,fy,d);
51     Else Begin
52       If (((relation[y]-relation[x]+3) Mod 3)<>(d-1)) Then Inc(ans)
53     End;
54   End;
55   WriteLn(ans);
56   Close(input);Close(output)
57 End.
58             

 

 

转载于:https://www.cnblogs.com/Rinyo/archive/2013/02/23/2923802.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