模型(套路)总结

1:序列部分

<1>:一个序列,有些位置确定,有些位置不确定。你要钦定未知位置的数,使得LIS最大。(bzoj5427)
solution:考虑普通的LIS,维护f[i]表示长度为i的LIS的最小值。直接维护dp数组,如果位置固定,直接转移。否则考虑任意一个位置都可以补充。f[i] = min(f[i], f[i - 1] + 1); 维护一个delta代表移动了多少位就行。

<2>:区间修改转差分。(ezoj1842)

<3>:区间内取最少数让他们和超过一个值。
显然尽量取大。二分选的最小值,然后就是区间>=最小值的和。主席树可以做。

<4>:静态区间不同数的个数。 离线,把询问按照R从小到大排序。树状数组维护相同的值的最后一次出现的位置。查询就是查询两个前缀和相减一下。

2:树上部分

<1>:子树修改子树询问:
①:搞出dfs序,变成序列问题
②:暴力树剖变成序列问题
③:考虑贡献和影响,也是序列问题

<2>:树链的问题
①:树上倍增+LCA
②:点分治
③:暴力树剖变成序列问题

<3>:异或相关
①:考虑任何一个环都可以通过一条路径异或上简单环得到。简单环可以钦定一个点为根,做出dfs树。返祖边就形成了环。把这些环拿出来求线性基。。。
②:求出树到根的路径异或和,那么任意两点间的路径就是这两个前缀和异或起来,然后就变成了点对问题。可以用树剖什么维护。
③:如果你之前已经确定了某些位,而且你期望当前这一位是什么。那么所期望的是一段连续区间,可以用主席树等维护这一段是否存在数值。(loj2016)

<4>:树剖
①:点有点权,直接剖。
②:边有边权,确定一个点为根。把一条边的边权下放到它的儿子上作为点权。

3:图上部分
<1>:网络流
①:最大流—最小割

  • 考虑你有一些限制,是要么这个一定选,要么那个一定选。这个可以转成最小割。
  • 考虑你如果选了A,就不能选B。可以一开始都选,然后放弃一个。也是最小割。(p2774)

②:最大权闭合子图(http://zhengruioi.com/contest/233/problem/603)
考虑有一些限制,选了这个另一个一定选。这个也可以转成最小割。
③:最小费用最大流(bzoj5222)
一个点加1,一个点减1。有一定的代价,你要花费最少的代价使得点全正。
(S向正点,负点向T。代价为0,流量为绝对值。中间能匹配的点连边,流量无穷,代价为真。最后跑MCMF,判断负点连起来的边是否满流。)
④:流量平衡限制出入平衡:
把一个点 x x x拆成两个点 x 1 , x 2 x1,x2 x1,x2 x 1 − &gt; x 2 x1-&gt;x2 x1>x2。如果 x − &gt; y x-&gt;y x>y,那么连一条 x 1 − &gt; y 2 x1-&gt;y2 x1>y2的边。考虑如果 x x x的入度是 k k k的话,那么 x 2 x2 x2就少流出了 k k k y 2 y2 y2就多流出了 k k k。求最大流就可以保证入度等于出度。
⑤:网格图上一个选了行点另外一个列点必选。问最多选多少?
二分图最大匹配的模型。(p2825)

<2>:对偶图
咕咕咕

<3>:分层图
分层转移就好了。

<4>:拆点法
一个点拆成入点和出点,中间一条边。那么删除一个点就转化成删除一条边。

<5>:删边
①:对于删边操作支持离线。可以倒过来,就变成了只有加边;
②:线段树。线段树上每一个节点维护一个联通情况。同样是不考虑删边。
③:LCT
④:CDQ分治+可撤销并查集
⑤:线段树分治+可撤销并查集(loj121)

<6>:2-SAT
考虑你有若干个限制。形如A选B不选,A不选B选。AB选的情况一定不同,AB选的情况一定相同,A一定选,B一定不选。你要构造一种合法方案使得满足所有的限制。
sol:构造点表示选或者不选。按照逻辑推断关系建边,不允许出现矛盾的关系在一个scc里面。用tarjan求过之后,

4:数学部分

<1>博弈论
转化转化转化
①:考虑先手必胜的后手存在先手必败,先手必败的后手全是先手必胜。只要找到一个等价的关系就可以了

②:sg函数(dp)。依赖于①来进行转移。游戏的和的sg值是每个子游戏的sg值的 x o r xor xor和。游戏的sg值是它后继状态sg值的mex。

③:转化。如果奇/偶的情况比较好处理。可以考虑奇变偶或者偶变奇。

④:考虑写出把两个限制变成两个坐标轴上的点。考虑在二维平面上的移动。

⑤:dp出规律。大力打表。
经典模型:普通nim,阶梯nim,DAG上问题。

<2>如果模数比较大且可以分解,可以把模数分解成若干个因子的乘积。对每个因子分别取模之后再CRT合并。(古代猪文)

  • 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