HDU 1285 确定比赛名次【拓扑排序入门题,链式前向星建图】

确定比赛名次

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 22822    Accepted Submission(s): 9257


Problem Description
有N个比赛队(1<=N<=500),编号依次为1,2,3,。。。。,N进行比赛,比赛结束后,裁判委员会要将所有参赛队伍从前往后依次排名,但现在裁判委员会不能直接获得每个队的比赛成绩,只知道每场比赛的结果,即P1赢P2,用P1,P2表示,排名时P1在P2之前。现在请你编程序确定排名。
 

Input
输入有若干组,每组中的第一行为二个数N(1<=N<=500),M;其中N表示队伍的个数,M表示接着有M行的输入数据。接下来的M行数据中,每行也有两个整数P1,P2表示即P1队赢了P2队。
 

Output
给出一个符合要求的排名。输出时队伍号之间有空格,最后一名后面没有空格。

其他说明:符合条件的排名可能不是唯一的,此时要求输出时编号小的队伍在前;输入数据保证是正确的,即输入数据确保一定能有一个符合要求的排名。
 

Sample Input
  
  
4 3 1 2 2 3 4 3
 

Sample Output
  
  
1 2 4 3
 

Author
SmallBeer(CML)
 

Source


拓扑排序入门题,不解释。

那篇博客中用了邻接矩阵和链式前向星建图,会了链式前向星建图,其他的都是浮云。

链式前向星建图AC代码:15ms

#include <iostream>
#include <cstdio>
#include <cstring>
#include <queue>
using namespace std;
const int maxn=505;
int a[maxn];
int cnt;
int n,m;
struct Edge
{
    int to,next;
}edge[maxn];
int head[maxn];
int indegree[maxn];
void Init()
{
    cnt=0;
    for(int i=1;i<=n;i++)
    {
        head[i]=-1;
        indegree[i]=0;
    }
}
void addEdge(int x,int y)
{
    edge[cnt].to=y;
    edge[cnt].next=head[x];
    head[x]=cnt++;
    indegree[y]++;
}
struct cmp
{
    bool operator () (const int x,const int y)
    {
        return x>y;//小的优先
    }
};
void topSort()
{
    priority_queue<int,vector<int>,cmp>q;
    for(int i=1;i<=n;i++)
    {
        if(indegree[i]==0)
            q.push(i);
    }
    int ans=0;
    while(!q.empty())
    {
        int p=q.top();
        q.pop();
        a[ans++]=p;
        for(int i=head[p];~i;i=edge[i].next)
        {
            int to=edge[i].to;
            indegree[to]--;
            if(indegree[to]==0)
            {
                q.push(to);
            }
        }
    }
    for(int i=0;i<ans;i++)
    {
        if(i)
            printf(" ");
        printf("%d",a[i]);
    }
    printf("\n");
}
int main()
{
    //freopen("data/1285.txt","r",stdin);
    while(cin>>n>>m)
    {
        Init();
        int x,y;
        while(m--)
        {
            scanf("%d%d",&x,&y);
            addEdge(x,y);
        }
        topSort();
    }
    return 0;
}

链接矩阵建图AC代码:46ms

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn=505;
int a[maxn][maxn];
int indegree[maxn];
int ans[maxn];
int n,m;

void topSort()
{
    int cnt=0;
    while(true)
    {
        /**下面这段代码也可以,个人觉得更容易理解
        //注意两种方式的初始值
        int p=n+1;
        for(int i=1; i<=n; i++)//
        {
            if(indegree[i]==0)
            {
                p=i;
                break;
            }
        }
        */
        int p=1;
        if(indegree[p]!=0)
        {
            while(true)
            {
                p++;
                if(indegree[p]==0)
                    break;
                if(p>n) break;
            }
        }
        indegree[p]=-1;
        ans[cnt]=p;
        cnt++;
        if(cnt==n)
            break;
        for(int i=1; i<=n; i++)
        {
            if(a[p][i]>0)
            {
                indegree[i]--;
                a[p][i]=-1;
            }
        }
    }
    for(int i=0; i<cnt; i++)
    {
        if(i)
            printf(" ");
        printf("%d",ans[i]);
    }
    printf("\n");
}
int main()
{
    //freopen("data/1285.txt","r",stdin);
    while(cin>>n>>m)
    {
        memset(a,0,sizeof(a));
        memset(indegree,0,sizeof(indegree));
        memset(ans,0,sizeof(ans));
        int x,y;
        while(m--)
        {
            scanf("%d%d",&x,&y);
            if(!a[x][y])
            {
                a[x][y]++;
                indegree[y]++;
            }
        }
        topSort();
    }
    return 0;
}


尊重原创,转载请注明出处:http://blog.csdn.net/hurmishine


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
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