POJ-1182 食物链 并查集

并查集 食物链  http://poj.org/problem?id=1182

 题解 请移步http://blog.csdn.net/niushuai666/article/details/6981689

创新的亮点

1 在找爸爸的时候更新关系。

2 判断两者的关系运用的向量思维

3 关系的表达 同类0 吃1 被吃2 同时%3

 为什么TE了快哭了

#include <iostream>
#include <vector>
#include <queue>
#include <cstring>
#define MAX 50005
#define INF 999999
using namespace std;
int fx,fy;
int fa[MAX];
short re[MAX];


int getfather(int x)
{
   if(fa[x]!=x)
   {
       int temp=fa[x];
       fa[x]=getfather(temp);
       re[x]=(re[x]+re[temp])%3;
   }

   return fa[x];
}


int main()
{
   int n,k,d,x,y,ans=0;
   cin>>n>>k;
   memset(re,0,sizeof(re));
   for(int i=1;i<=n;i++) fa[i]=i;
   while(k--)
   {
       cin>>d>>x>>y;
       if(x>n||y>n)
       {
           ans++;
           continue;
       }
       if(d==2&&x==y)
       {
           ans++;
           continue;
       }
      int fx=getfather(x);
      int fy=getfather(y);
      if(fx!=fy)
      {
        fa[fy]=fx;
        re[fy]=(re[x]+d-1-re[y]+3)%3;
      }
      else
      {
          if(d==1&&re[x]!=re[y])
          {ans++;
          continue;
          }
          if(d==2&&((3 - re[x] + re[y]) % 3 != d - 1))
          {
             ans++;
             continue;
          }
      }
   }
   cout<<ans<<endl;
    return 0;
}


二叉堆

merge函数的作用是:将两个有序的序列合并为一个有序的序列。函数参数:merge(first1,last1,first2,last2,result,compare);

  • 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