HDU 4750 && HDU 3938 离线并查集

九野的博客,转载请注明出处:http://blog.csdn.net/acmmmm/article/details/11877843

离线并查集

HDU 3938:

#include <iostream>
#include <string>
#include <cstring>
#include <algorithm>
#include <cstdio>
#include <cctype>
#include <queue>
#include <stdlib.h>
#include <cstdlib>
#include <math.h>
#include <set>
#include <vector>
#define inf 107374182
#define ll int
using namespace std;
inline ll Max(ll a,ll b){return a>b?a:b;}
inline ll Min(ll a,ll b){return a<b?a:b;}
int n,m;
struct Edge{
	int u,v,d;
}edge[50500];
int edgenum,maxedgenum;
struct que{
	int l,ans,num;
}query[10005];
bool cmp1(Edge a,Edge b){return a.d<b.d;}
bool cmp2(que a,que b){return a.num<b.num;}
bool cmp3(que a,que b){return a.l<b.l;}
int f[N],sum[N];
int find(int x){
	if(x==f[x])return x;
	return f[x]=find(f[x]);
}
int Union(int x,int y){
	int fx=find(x),fy=find(y);
	if(fx==fy)return 0;

	maxedgenum++;
	int temp; if(f[fx]>f[fy])temp=fx,fx=fy,fy=temp;

	f[fy]=fx;

	temp=sum[fx]*sum[fy];
	sum[fx]+=sum[fy];
	return temp;
}
void init(){
	edgenum=0;
	maxedgenum=0;
	for(int i=0;i<=n;i++)sum[i]=1,f[i]=i;
}
int main()
{
	int i,j,q;
	while(~scanf("%d%d%d",&n,&m,&q)){
		for(i=0;i<m;i++)scanf("%d %d %d",&edge[i].u,&edge[i].v,&edge[i].d);
		for(i=0;i<q;i++)
		{scanf("%d",&query[i].l);	query[i].ans=0;		query[i].num=i;}
		sort(edge,edge+m,cmp1);
		
		init();
		sort(query,query+q,cmp3);
		for(i=0;i<q;i++){
			while(edge[edgenum].d<=query[i].l && maxedgenum<n && edgenum<m)
			{
				int fa=find(edge[edgenum].u),fb=find(edge[edgenum].v);
				edgenum++;
				if(fa==fb)continue;
				query[i].ans+=Union(fa,fb);				
			}
			if(i>0)query[i].ans+=query[i-1].ans;
		}
		sort(query,query+q,cmp2);
		for(i=0;i<q;i++)printf("%d\n",query[i].ans);

	}
	return 0;
}


HDU 4750:

#include<cstdio>
#include<cstring>
#include<cmath>
#include<map>
#include<algorithm>

using namespace std;
typedef long long ll;
#define zero(x) (((x)>0?(x):-(x))<eps)
#define PI acos(-1.0)
#define Max 600009
#define inf 0x7fffffff

struct data{    
    int u, v, len;
}e[Max];
int n, m, pa[Max],in[Max], x[Max], mp[Max], nu[Max];
bool vis[Max];

bool cmp(data a, data b){
    if(a.len < b.len) return true;
    return false;
}
void make_set(){       
    for(int x = 0; x < n; x ++) {
        pa[x] = x;
        nu[x] = 1;
    }
}

int find_set(int x){   
    if(x != pa[x])
        pa[x] = find_set(pa[x]);
    return pa[x];
}

void kruskal(){
    memset(vis,0,sizeof(vis));
    int i, ans = 0 , have = 0;
    make_set();
    int pre = 0;
    for(i = 0; i < m; i ++){

        int now = e[i].len;
        

        int x = find_set(e[i].v);
        int y = find_set(e[i].u);
        
        if(x != y){
            mp[now] = nu[x] * nu[y] * 2;
            nu[x] += nu[y];
            pa[y] = x;
        }
    }
    return;
}

int main(){
    int t, i, j, val;
    while(scanf("%d%d",&n,&m) != EOF) {
        memset(mp, 0, sizeof(mp));

        for(int i = 0; i < m; i++)
            scanf("%d%d%d",&e[i].u,&e[i].v,&e[i].len);
        
        int p;
        scanf("%d",&p);
        for (int i = 0; i < p; ++i) {
            scanf("%d",&x[i]);
            e[m + i].len = x[i];
            e[m + i].u = -1;
            e[m + i].v = i;
        }
        sort(e, e + m + p, cmp);

        int tp = e[0].len;
        e[0].len = 1;
        if (e[0].u == -1)
            x[e[0].v] = 1;
        for (int i = 1; i < m + p; ++i) {
            if (e[i].len == tp)
                e[i].len = e[i - 1].len;    
            else {
                tp = e[i].len;
                e[i].len = e[i - 1].len + 1;
            }
            if (e[i].u == -1)
                x[e[i].v] = e[i].len;
        }

        tp = e[m + p - 1].len;
        for (int i = 0; i < m + p; ++i)
            if (e[i].u == -1)
                e[i].len = tp + 1;
        sort(e, e + m + p, cmp);

        kruskal();

        for (int i = 1; i <= tp; ++i)
            mp[i] += mp[i - 1];
        for (int i = 0; i < p; ++i)
            printf("%d\n", mp[tp] - mp[x[i] - 1]);

    }
    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
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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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
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