寒假每日一题——大型植被恢复

该博客介绍了一种解决奶牛草地种植优化问题的算法,确保每头奶牛都能吃到不同种类的草。FarmerJohn有N块草地和M头奶牛,每头奶牛有两块喜爱的草地。通过染色问题的思路,博主提供了完整的C++代码实现,以确保每块草地种植不同种类的草,并满足所有奶牛的需求。
摘要由CSDN通过智能技术生成

大型植被恢复

问题描述

长时间的干旱使得 Farmer John 的 N 块草地上牧草匮乏。

随着雨季即将到来,现在应当是重新种植的时候了。

在 Farmer John 的储物棚里有四个桶,每个桶里装着一种不同的草种。

他想要在每块草地上播种其中一种草。

作为一名奶农,Farmer John 想要确保他的每头奶牛都能得到丰富的食谱。

他的 M 头奶牛每一头都有两块喜爱的草地,他想要确保这两块草地种植不同种类的草,从而每头奶牛都可以选择两种草。

已知每块草地最多被 3 头奶牛喜爱。

请帮助 Farmer John 选择每块草地所种的草的种类,使得所有奶牛的营养需求都得到满足。

输入格式
输入的第一行包含 N 和 M。

以下 M 行,每行包含两个范围为 1…N 的整数,为 Farmer John 的一头奶牛喜欢的两块草地。

输出格式
输出一个 N 位数,每一位均为 1…4 之一,表示每一块草地上所种的草的种类。

第一位对应草地 1 的草的种类,第二位对应草地 2,以此类推。

如果有多种可行的解,只需输出所有解中最小的 N 位数。

数据范围
2≤N≤100,
1≤M≤150
输入样例:

5 6
4 1
4 2
4 3
2 5
1 2
1 5

输出样例:

12133

思路分析

染色问题
在这里插入图片描述

完整代码

#include <bits/stdc++.h>
using namespace std;
int n, m;
const int N = 110;
int g[N][N];
bool st[5];
int res[N];
int main()
{
    scanf("%d%d", &n, &m);
    while(m--)
    {
        int i, j;
        scanf("%d%d", &i, &j);
        g[i][j] = g[j][i] = 1;
    }
    res[1] = 1;
    for(int i = 2; i <= n; i++)
    {
        memset(st, 0, sizeof st);
        for(int j = 1; j < i; j++)
        {
            if(g[i][j] == 1)
            {
                st[res[j]] = 1;
            }
        }
        for(int j = 1; j <= 4; j++)
        {
            if(st[j] == 0) 
            {
                res[i] = j; //能取 不要继续进行了 更新答案
                break;
            }
        }
    }
    for(int i = 1; i <= n; i++)
    {
        printf("%d", res[i]);
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284       
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