POJ-3686-TheWindy's

POJ-3686-TheWindy's

http://poj.org/problem?id=3686

最大权值匹配,建图不好想,假设某个机器处理了k个玩具,时间分别为a1,a2…..,ak

那么该机器耗费的时间为a1+a1+a2+a1+a2+a3.......a1+a2+...ak

a1*k + a2 * (k - 1) + a3 * (k - 2).... + ak

ak玩具在某个机器上倒数第k个处理,所耗费全局的时间为ak*k

对每个机器,最多可以处理n个玩具,拆成n个点,1~n分别代表某个玩具在这个机器上倒数第几个被加工的,对于每个玩具i,机器j中拆的每个点k,连接一条map[i][j]*k权值的边

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<cmath>
using namespace std;
const int MAXN=5000;
const int INF=0x7fffffff;
int nx, ny, w[MAXN][MAXN], lx[MAXN], ly[MAXN];
int fx[MAXN], fy[MAXN], matx[MAXN], maty[MAXN];
int map[MAXN][MAXN];
int n,m;
struct node
{
	int x;
	int y;
}h[MAXN],man[MAXN];
int path(int u)
{  
    fx[u] = 1;
    for (int v = 1; v <= ny; v++) 
    if (lx[u] + ly[v] == w[u][v] && fy[v] < 0)
    {   
            fy[v] = 1;
            if (maty[v] < 0 || path(maty[v]))
            {    
                matx[u] = v;    
                maty[v] = u;    
                return 1;   
            }
     }
     return 0;
}
int km()
{  
    int i,j,k,ret = 0;
    memset(ly, 0, sizeof(ly));
    for (i = 1; i <= nx; i++)
    {  
        lx[i] = -INF;
        for (j = 1; j <= ny; j++) 
        if (w[i][j] > lx[i]) lx[i] = w[i][j];
    }
    memset(matx, -1, sizeof(matx));
    memset(maty, -1, sizeof(maty));
    for (i = 1; i <= nx; i++)
    {   
        memset(fx, -1, sizeof(fx));
        memset(fy, -1, sizeof(fy));
        if (!path(i))
        {  
            i--;   
            int p = INF;
            for (k = 1; k <= nx; k++)
			{
                if (fx[k] > 0)
                for (j = 1; j <= ny; j++) 
                if (fy[j] < 0 && lx[k] + ly[j] - w[k][j] < p)
                p=lx[k]+ly[j]-w[k][j];
            }
            for (j = 1; j <= ny; j++) 
            ly[j] += fy[j]<0 ? 0 : p;
            for (j = 1; j <= nx; j++) 
            lx[j] -= fx[j]<0 ? 0 : p;
        }
    }
    for (i = 1; i <= ny; i++)
	{
		if(maty[i]>=1)
		ret += w[maty[i]][i];
	}
    return ret;
}
 void init()
{
	int i,j,k;
	scanf("%d %d",&n,&m);
	for(i=1;i<=n;i++)
	for(j=1;j<=m;j++)
	scanf("%d",&map[i][j]);
	nx=n;
	ny=n*m;
	for(i=1;i<=n;i++)
	for(j=1;j<=m;j++)
	for(k=1;k<=n;k++)
    w[i][(j-1)*n+k]=-map[i][j]*k;
 }
int main()
{
	int t;
    scanf("%d",&t);
	while(t--)
	{
		init();
		printf("%.6f\n",-1.0*km()/n);
	}
	return 0;
}


  • 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