AcWing 903. 昂贵的聘礼

昂贵的聘礼

大意:给定一个物品,以及购买它的价值,可以直接购买,或者可以通过其他提前获得其他物品,然后花较少的金币进行换购,给定换购的关系,并且每个物品有一个等级,购买的一系列物品等级差值的最大值不能超过 M。求最终能购买到这个物品所花费的最小价值。

思路:对于问题一步一步分析,我们先不考虑等级的限制,对于任意一个物品y,假设它可以通过物品 x 再加上一些金币w换购,那么我们可以从 x 向 y连一条有向边,权重为 w,并且对于x,y 也可以不需要换购,直接够买,所以我们可以建立一个虚拟源点,连有向边,权重就是直接购买的价值,然后就将问题转化成了将 虚拟源点看成起点,要购买的物品看成终点,求最短路径。接下来再看等级的限制,因为数据不大,我们可以直接枚举等级区间,每次求最短路径的是,所能用的点都是等级区间的点。

代码如下:

#include <bits/stdc++.h>
using namespace std;
const int N=110,M=998244353;
typedef long long LL;
int m,n;
int g[N][N];
int le[N],d[N];
bool st[N];
int dijkstra(int l,int r)
{
	memset(st,0,sizeof st);
	memset(d,0x3f,sizeof d);
	d[0]=0;
	for(int i=0;i<=n;i++)
	{
		int t=-1;
		for(int j=0;j<=n;j++)
			if(!st[j]&&(t==-1||d[j]<d[t]))
				t=j;
		
		st[t]=1;
		for(int j=0;j<=n;j++)if(le[j]>=l&&le[j]<=r)d[j]=min(d[j],d[t]+g[t][j]);

	}
	return d[1];
}
void solve()
{
	cin>>m>>n;
	memset(g,0x3f,sizeof g);
	for(int i=1;i<=n;i++)
	{
		int p,x;
		cin>>p>>le[i]>>x;
		g[0][i]=min(g[0][i],p);
		while(x--)
		{
			int t,v;
			cin>>t>>v;
			g[t][i]=min(g[t][i],v);
		}
	}
	int ans=0x3f3f3f3f;
	
	for(int i=le[1]-m;i<=le[1];i++)ans=min(ans,dijkstra(i,i+m));

	cout<<ans<<"\n";
}
int main()
{
	ios::sync_with_stdio(false);
	cin.tie(0);
	int _=1;
	//cin>>_;
	while(_--)solve();
	return 0;
}

总结:图论的问题重点在于建图,要多做题

  • 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
题目链接:https://www.acwing.com/problem/content/4948/ 题目描述: 给定一棵有 $n$ 个结点的树,结点从 $1$ 到 $n$ 编号,每个结点都有一个权值 $w_i$,现在有 $m$ 次操作,每次操作是将树中编号为 $x$ 的结点的权值加上 $y$,然后询问一些节点是否为叶子节点,如果是输出 $1$,否则输出 $0$。 输入格式: 第一行包含两个整数 $n$ 和 $m$。 第二行包含 $n$ 个整数,其中第 $i$ 个整数表示结点 $i$ 的初始权值 $w_i$。 接下来 $n-1$ 行,每行包含两个整数 $a$ 和 $b$,表示点 $a$ 和点 $b$ 之间有一条无向边。 接下来 $m$ 行,每行描述一次操作,格式为三个整数 $t,x,y$。其中 $t$ 表示操作类型,$t=1$ 时表示将编号为 $x$ 的结点的权值加上 $y$,$t=2$ 时表示询问编号为 $x$ 的结点是否为叶子节点。 输出格式: 对于每个操作 $t=2$,输出一个结果,表示询问的结点是否为叶子节点。 数据范围: $1≤n,m≤10^5$, $1≤w_i,y≤10^9$ 样例: 输入: 5 5 1 2 3 4 5 1 2 1 3 3 4 3 5 2 3 0 1 3 100 2 3 0 1 1 100 2 3 0 输出: 1 0 0 算法1: 暴力dfs,每次都重新遍历整棵树,时间复杂度 $O(nm)$ 时间复杂度: 最坏情况下,每次操作都要遍历整棵树,时间复杂度 $O(nm)$,无法通过此题。 算法2: 用一个 vector<int> sons[n+5] 来存储每个点的所有子节点,这样可以用 $O(n)$ 预处理出每个点的度数 $deg_i$,如果 $deg_i=0$,则 $i$ 是叶子节点,否则不是。 对于每个操作,只需要更新叶子节点关系的变化就可以了。如果某个节点的度数从 $1$ 变成 $0$,则该节点变成了叶子节点;如果某个节点的度数从 $0$ 变成 $1$,则该节点不再是叶子节点。 时间复杂度: 每次操作的时间复杂度是 $O(1)$,总时间复杂度 $O(m)$,可以通过此题。 C++ 代码: (算法2)
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