CF521E Cycling City DFS树+暴力

如果只要求判断有没有解的话很好做:以条树边被两条非树边覆盖即可.    

输出方案的话可以考虑碰到一条非树边就暴力覆盖.   

如果覆盖的过程中发现一条边已经被覆盖了就输出结果.   

由于一条边只能被一种非树边覆盖,所以复杂度均摊下来是 $O(n)$ 的.  

然后我们就得到两条路径 $(a,b)$ 与 $(c,d)$,$dep[a] \leqslant dep[c]$         

1:$a \rightarrow b \rightarrow lca$ 

2:$c \rightarrow d \rightarrow lca$  

3:$c \rightarrow lca$  

然后求非树边那里要注意一下:点 $y$ 必须为 $x$ 的祖先,所以开一个 ins 数组来判断 $x$ 是否在 $y$ 的子树中.   

code:  

#include <stack>
#include <cstdio>   
#include <cstring>
#include <algorithm>
#define N 200009    
#define ll long long 
#define setIO(s) freopen(s".in","r",stdin)  
using namespace std; 
int n,m,edges; 
stack<int>sta;   
int fa[N],dep[N],mx[N],my[N],ins[N]; 
int hd[N],to[N<<1],nex[N<<1],vis[N]; 
void add(int u,int v) { 
    nex[++edges]=hd[u],hd[u]=edges;
    to[edges]=v;  
} 
int get_lca(int x,int y) { 
    if(dep[x]!=dep[y]) { 
        if(dep[x]>dep[y]) swap(x,y);                 
        while(dep[y]>dep[x]) y=fa[y];        
    }    
    if(x==y) return x;    
    while(x!=y) x=fa[x],y=fa[y];  
    return x;   
}
void calc(int a,int b,int c,int d) { 
    if(dep[a]>dep[c]) { 
        swap(a,c);  
        swap(b,d); 
    }                       

    printf("YES\n");  
    int lca=get_lca(b,d);     
    sta.push(lca);         
    for(int i=lca;i!=c;i=fa[i]) sta.push(fa[i]);   
    printf("%d ",sta.size());   
    while(!sta.empty()) printf("%d ",sta.top()),sta.pop();   
    printf("\n");  

    printf("%d ",dep[c]-dep[a]+dep[b]-dep[lca]+2);    
    printf("%d ",c);  
    for(int i=c;i!=a;i=fa[i]) printf("%d ",fa[i]);   
    printf("%d ",b);  
    for(int i=b;i!=lca;i=fa[i]) printf("%d ",fa[i]);  
    printf("\n");   

    printf("%d ",dep[d]-dep[lca]+2);   
    printf("%d %d ",c,d);   
    for(int i=d;i!=lca;i=fa[i]) printf("%d ",fa[i]);   
    printf("\n");  
}
void dfs(int x,int ff) { 
    vis[x]=1;   
    ins[x]=1;  
    fa[x]=ff;   
    dep[x]=dep[ff]+1;                                   
    for(int i=hd[x];i;i=nex[i]) { 
        int y=to[i];
        if(y==ff) continue;
        if(!vis[y]) {
            dfs(y,x);           
        }
        else if(ins[y]) {       
            for(int j=x;j!=y;j=fa[j]){      
                if(mx[j]) {          
                    calc(mx[j],my[j],y,x);   
                    exit(0);    
                }
                else { 
                    mx[j]=y,my[j]=x;  
                }
            }
        }
    }
    ins[x]=0;  
}   
int main() {  
    // setIO("input");     
    scanf("%d%d",&n,&m);
    int x,y,z;
    for(int i=1;i<=m;++i) {
        scanf("%d%d",&x,&y);
        add(x,y),add(y,x);
    }
    for(int i=1;i<=n;++i) 
        if(!vis[i]) dfs(i,0);    
    printf("NO\n");  
    return 0; 
}

  

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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题。
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题。
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