6.1模拟赛

6.1模拟赛


第一题:Chess

题目大意:

一个 n×n 的棋盘,上面有若干障碍,剩下的是空格。你可以在空格中放棋子,两个棋子能互相攻击当且仅当他们位于同一行或者同一列并且之间没有障碍(中间有别的棋子也是可以的)。q个询问:假如在这个棋盘上放k个棋子,至少产生多少对互相攻击的棋子?

数据范围:
n<=50q<=10000

题解:

40分:
贪心。每次选形成新的攻击最小的格子,一样再选影响最小的格子。

100分:
竟然是费用流。。。好吧。。。
把行和列上连续的一段空格看成点,
每个格点对应的行和列的点之间连边,cap=1, cost=0
S向每个行点连x条边,x是这个点对应的空格的长度,每条边cap=1, cost=0 1 2……k-1
同理,每个列点像T连边。
这样连重边保证了当这行/列已经有几个棋子了,下一个棋子的花费就是几。
最后建立超级源SS,像S连cap=k, cost=0。k就是询问的棋子个数。
跑一边费用流就是答案。
注意询问特别多,可以把询问排序去重,这样每次不用重新构图,直接修改SS->S的cap,利用上次的流量继续跑即可。

Code:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <queue>
#include <algorithm>
#define D(x) cout<<#x<<" = "<<x<<"  "
#define E cout<<endl
using namespace std;
const int INF = 0x3f3f3f3f;
const int N = 10005;
const int M = 50005;

int n,g[105][105],hang[105][105],lie[105][105],len[N],SS,S,T,cnt,pt,ans[N],que[N],tp[N],totcost;

struct Edge{
    int from,to,next,cap,flow,cost;
}e[M*2];
int head[N], ec=1;
void clear(){ memset(head,0,sizeof(head)); ec=1; }
void add(int a,int b,int cap,int cost){
    ec++; e[ec].to=b; e[ec].from=a;
    e[ec].cap=cap; e[ec].flow=0; e[ec].cost=cost;
    e[ec].next=head[a]; head[a]=ec;
}
void add2(int a,int b,int cap,int cost){
    add(a,b,cap,cost); add(b,a,0,-cost);
}

bool vis[N]; int d[N]; int pre[N];
bool spfa(){
    memset(vis,false,sizeof(vis));
    memset(d,0x3f,sizeof(d));
    queue<int> q; q.push(SS); d[SS]=0; vis[SS]=true;
    while(!q.empty()){
        int u=q.front(); q.pop(); vis[u]=false;
//      D(u); E;
        for(int i=head[u];i;i=e[i].next){
            int v=e[i].to;
            if(d[v]>d[u]+e[i].cost && e[i].cost>=0 && e[i].cap>e[i].flow){
                d[v]=d[u]+e[i].cost; pre[v]=i;
                if(!vis[v]){
                    vis[v]=true; q.push(v);
                }
            }
        }
    }
    return d[T]!=INF;
}

int mxf(){
    int a,flow=0;
    while(spfa()){
        a=INF;
        for(int pos=T,i=pre[T]; pos!=SS; pos=e[i].from,i=pre[pos]){
//          D(pos); D(e[i].from); E;
            a=min(a,e[i].cap-e[i].flow);
        }
//      D(a); E;
        for(int pos=T,i=pre[T]; pos!=SS; pos=e[i].from,i=pre[pos]){
//          D(pos); D(e[i].from); E;
            e[i].flow+=a; e[i^1].flow-=a; totcost+=e[i].cost*a;
        }
        flow+=a;
//      D(cost); D(flow); E;
    }
}

inline bool inboard(int x,int y){ return x>=1 && x<=n && y>=1 && y<=n; }

void dfs(int x,int y,int op,int col,int f[105][105]){
    if(!inboard(x,y) || g[x][y]!=0 || f[x][y]!=0) return;
    f[x][y]=col; len[col]++;
    if(op==0){ dfs(x,y-1,op,col,f); dfs(x,y+1,op,col,f); }
    else{ dfs(x-1,y,op,col,f); dfs(x+1,y,op,col,f); }
}

void debug(){
    cout<<"hang:\n";
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++) cout<<hang[i][j]<<" ";
        cout<<endl;
    } 
    cout<<"lie\n";
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++) cout<<lie[i][j]<<" ";
        cout<<endl;
    }
    for(int i=1;i<=cnt;i++) D(len[i]); E;
}

void color(){
    cnt=0;
    for(int i=1;i<=n;i++) for(int j=1;j<=n;j++){
        if(g[i][j]==0 && hang[i][j]==0) dfs(i,j,0,++cnt,hang);
    }
    pt=cnt;
    for(int i=1;i<=n;i++) for(int j=1;j<=n;j++){
        if(g[i][j]==0 && lie[i][j]==0) dfs(i,j,1,++cnt,lie);
    }
//  D(cnt); D(pt); E;
//  debug();
}

void build(){
    clear();
    SS=cnt+1; S=SS+1; T=S+1;
//  D(SS); D(S); D(T); E;
    add2(SS,S,0,0);
    for(int i=1;i<=n;i++) for(int j=1;j<=n;j++) if(g[i][j]==0){
        add2(hang[i][j],lie[i][j],1,0);
    }
    for(int i=1;i<=pt;i++){
        for(int k=0;k<len[i];k++){
            add2(S,i,1,k);
        }
    }
    for(int i=pt+1;i<=cnt;i++){
        for(int k=0;k<len[i];k++){
            add2(i,T,1,k);
        }
    }
//  for(int i=2;i<=ec;i++){ D(e[i].from); D(e[i].to); D(e[i].cap); E; }
}

int main(){
    freopen("chess.in","r",stdin);
    freopen("chess.out","w",stdout);
    scanf("%d",&n); char str[105];
    for(int i=1;i<=n;i++){
        scanf("%s",str+1);
        for(int j=1;j<=n;j++){
            g[i][j]=str[j]=='.'?0:-1;
        }
    }
    color(); build();
    int q,k; scanf("%d",&q);
    for(int i=1;i<=q;i++){
        scanf("%d",&que[i]); tp[i]=que[i];
    }
    sort(tp+1,tp+1+q); int tpcnt=unique(tp+1,tp+1+q)-tp-1;
//  for(int i=1;i<=tpcnt;i++) cout<<tp[i]<<endl; E;
//  D(tpcnt); E;
    for(int i=1;i<=tpcnt;i++){
        e[2].cap=tp[i];
//      for(int j=2;j<=ec;j++) e[j].flow=0;
//      totcost=0; 
        mxf(); ans[tp[i]]=totcost;
    }
    for(int i=1;i<=q;i++){
        printf("%d\n",ans[que[i]]);
    }
}

第二题:Tower

题目大意:
现在有一条[1,l]的数轴,要在上面造n座塔,每座塔的坐标要两两不同,且为整点。
塔有编号,且每座塔都有高度,对于编号为i的塔,其高度为i。
对于一座塔,需要满足它与前面以及后面的塔的距离大于等于自身高度(不存在则没有限制)。
问有多少建造方案。答案对m取模。塔不要求按编号为顺序建造。

数据规模:
n<=100,l<=109,m<=109

题解:
跟以前做过的一道苹果树的题目很像。
两座塔之间的距离为max(i,j),为了没有后效性,从小到大考虑。
这样两个塔之间如果又插入一个(更高)的塔,原来的空隙就会被破坏换成新塔的高度。
我们采用这样的思想:钦定两个塔之间是否还会被插入其它的更高的塔。只有确定两个塔之间不会加入其它的塔才将它们的距离计入。
f[i][j][k] 表示前i座塔,留有j个空隙,已经计入的长度是k,里面存的是方案数。
新加入一个塔,决策:
1. 放在两边,留一个空隙。
2. 放在两边,不留空隙。
3. 放在中间的一个空隙,留两个空隙。
4. 放在中间的一个空隙,留一个空隙。
5. 放在中间的一个空隙,不留空隙。
最后答案枚举k,这样还有 lk 个空隙,把这些空隙插入进去,
隔板法,根据可以重复选择的组合数, f[n][0][k]C(lk+n,n)

Code:

#include<cstdio>
#include<cstring>
#include<algorithm>
#include<ctime>
#define rep(i,a,b) for(i=a;i<=b;i++)
using namespace std;
const int N=105;
int dp[N][N][N*N];
int flag[N],prime[N],cnt;int c[N],tmp[N];
int sum[N];
int n,l,mod;
int ans;

void euler(){
    int i,j;
     rep(i,2,n){
        if(!flag[i])prime[++cnt]=i;
        for(j=1;j<=cnt&&i*prime[j]<=n;j++){
            flag[i*prime[j]]=1;
            if(i%prime[j]==0)   break;
        }
     }
}

int C(int k){
    int ret=1;int i,j;int x;
    memset(tmp,0,sizeof(tmp));
    for(i=k;i>=k-n+1;i--){
        x=i;
        rep(j,1,cnt){
            while(tmp[j]<c[j]&&x%prime[j]==0){
                x/=prime[j];tmp[j]++;
            }
        }
        ret=1ll*ret*x%mod;
    }
    return ret;
}

int main(){
    freopen("tower.in","r",stdin);
    freopen("tower.out","w",stdout);
    int i,j,k;int x;
    scanf("%d%d%d",&n,&l,&mod);l--;
    euler();
    rep(i,2,n){
        x=i;
        rep(j,1,cnt){
            while(x%prime[j]==0){
                c[j]++;x/=prime[j];
            }
        }
    }
    rep(i,1,n)sum[i]=sum[i-1]+2*i;
    dp[1][0][0]=1;
    rep(i,1,n-1){
        rep(j,1,min(i-1,n-i)){
            rep(k,0,sum[i]){
                dp[i+1][j-1+0][k+(i+1)*(2-0)]=(dp[i+1][j-1+0][k+(i+1)*(2-0)]+1ll*j*dp[i][j][k])%mod;
                dp[i+1][j-1+1][k+(i+1)*(2-1)]=(dp[i+1][j-1+1][k+(i+1)*(2-1)]+1ll*2*j*dp[i][j][k])%mod;
                dp[i+1][j-1+2][k+(i+1)*(2-2)]=(dp[i+1][j-1+2][k+(i+1)*(2-2)]+1ll*j*dp[i][j][k])%mod;
            }
        }
        rep(j,0,min(i-1,n-i)){
            rep(k,0,sum[i]){
                dp[i+1][j+0][k+(i+1)*(1-0)]=(dp[i+1][j+0][k+(i+1)*(1-0)]+1ll*2*dp[i][j][k])%mod;
                dp[i+1][j+1][k+(i+1)*(1-1)]=(dp[i+1][j+1][k+(i+1)*(1-1)]+1ll*2*dp[i][j][k])%mod;
            }
        }
    }
    rep(k,0,sum[n]){
        if(l<k) break;
        if(dp[n][0][k]){
            ans=(ans+1ll*dp[n][0][k]*C(l-k+n))%mod;
        }
    }
    printf("%d",ans);
}   
  • 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
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