艰难的食物链的解题报告

这篇博客介绍了如何解决食物链问题,这是一个带权值的并查集问题。博主详细解析了如何建立动物间的父子关系,并讨论了权值0, 1, 2的含义。通过路径压缩和关系推导,博主解释了如何处理根节点相同和不同的两种情况,最终实现集合关系的合并。" 113546923,7460320,DeepShift:无乘法神经网络的探索,"['神经网络', '深度学习', '计算机视觉']
摘要由CSDN通过智能技术生成
# include<iostream>
# include<cstdio>
# include<cstdlib>
using namespace std;
typedef struct animals
{
	int relation;
	int ustc;

}animal;
animal thing[50010];

int find(int i)
{
	if (thing[i].ustc != i){
		int temp;
		temp= find(thing[i].ustc);
		thing[i].relation = (thing[i].relation + thing[thing[i].ustc].relation) % 3;
		thing[i].ustc = temp;
		//cout << "i=" << i << endl;
		//cout << "temp=" << temp << endl;
		//printf("Animal %d s Parent is %d\n",i, thing[i].ustc);
		//cout << "thing["<<i<<"].relation=" << thing[i].relation << endl;
	}
	return thing[i].ustc;
}

//const int same = 0;
//const int eated = 1;
//const int eat = 2;

int main()
{
	
	int N, K;
	    scanf("%d %d", &N, &K);
		int data = 0;
		for (int i = 1; i <= N; i++)
		{
			thing[i].ustc = i;
			thing[i].relation = 0;
		}
		for (int i = 0; i < K; i++)
		{
			int judge, parents, son;
			scanf("%d%d%d", &judge, &parents, &son);
			if ((parents>N) || (son > N)){
				data++; //cout << "wrong answer 1" << ' ' << i << endl;
				continue;
			}
			else {
				int a, b;
				a = find(parents);
				b = find(son);

				//cout << "thing[parents].ustc=" << thing[parents].ustc << ' ' << "thing[parents].relation=" << thing[parents].relation << endl;
				//cout << " thing[son].ustc=" << thing[son].ustc << ' ' << " thing[son].relation= " << thing[son].relation << endl;

				if (a == b){
					if (judge == 1){
						if (thing[parents].relation % 3 == thing[son].relation % 3)continue;
						else {
							data++;
							//cout << "wrong answer 2" << ' ' << i<< endl;
							continue;
						}
					}
					else if (judge == 2){
						if ((thing[son].relation - thing[parents].relation + 3) % 3 == 1)continue;
						else {
							data++;
							//cout << "wrong answer 3" <<' '<<i<< endl;
							continue;
						}
					}
				}
				else if (a != b){
					thing[b].ustc = a;
					thing[b].relation = (3 - thing[son].relation + (judge - 1) + thing[parents].relation) % 3;
				}
			}
		}
		cout << data << endl;
	return 0;
}

看了一些其他人的解题报告,思路自己整理了好久才终于从中挣脱出来,谢谢那位提供超详细解题报告的大神,整个题的思路多谢他的帮助,不过还是有一点不同想说一下,首先是节点关系的更新不一定要在根节点确定之后,在我的代码中之前一直保持先确定根节点再更新节点与根节点关系,具体的代码书写方案还是和个人的想法与代码结构有关。

附注(这是小逸的第一次写解题报告,有一些问题或者不够完善不清晰的地方还请各位大神提醒,小逸时刻准备着orz)

如网上大多数的大神所说,食物链这一题是一个带权值得并查集问题,题目的大体意思很简单,不断地创建一个动物与另一个动物的关系,然后排除与之前关系冲突的关系和动物代号超出范围的情况,最后输出这2种情况出现的总次数。

首先我们需要创建一个动物,这个动物根据需求,有2个属性:一个parent:父亲节点,和relation:他与其父亲节点的关系;

然后我们设定3个权值 0,1,2;

分别代表当前节点与根节点的关系是:与根节点为同一种族,根节点吃他,根节点被它吃;

到了这一步,很多人都会问为什么要将值设置成0,1,2;我只能说这样设定是有意义的,不是随便设的,至于具体为何我也不太清楚,到后面使用到同余定理,以及节点与节点之间的变换时,我们会发现这个值的确定会给计算带来很多方便。

我们是通过所给数据来不断的建立节点与节点之间的关系,这里我们需要处理一个问题,就是当结点变化后,之前结点上的子结点与新父亲结点的关系该如何确立;而这都是有规律可循的;我所使用的是和code4fun大神同样的穷举法,虽然感觉这方法总是有点笨,不过对于这种变换情况种类并不多的情况下,还是很有效的。

儿子->父亲父亲->爷爷儿子->爷爷
000
101
202
112
120
210
221
022
综合上面的列表,我们可以很容易发现:儿子->爷爷=(儿子->父亲   +     父亲->爷爷)%3;

上面这一个关系推导出来之后其他的就好解决了。

我们解决这一题的思路是:

首先我们找出所给数据的2个的根节点,如果2只动物的根节点相同,那么直接通过判断他们与根结点的关系来判断他们之间的关系然后与数据进行比较;

如果2只动物的根节点不相同,那么说明这2只生物原来没有任何关系,那么这组数据就始终是正确的,然后我们需要将一只动物的根节点连接到另一只动物的根节点上;

以此来实现2个之间集合关系的确立,2个集合的根根节点变成了1个根节点。

先解决第一种情况:加入2只动物的根节点相同,此时如果第一个数据为1,则表示这2只动物是一样的生物,那么直接判断他们与根结点的关系是否相同即可;

如果第一个数据为2,则表示第一只生物对第2只生物有捕食关系,此时如何判断他们在集合中的关系呢?我们这里可以将第2只生物视作是根节点的一个根节点;

然后我们运用一次上面的公式:儿子->爷爷=(儿子->父亲   +     父亲->爷爷)%3;

在我们这里就是  动物1->动物2=(动物1->根节点+根节点->动物2)%2;

至于根节点->动物2的关系我们可以很容易的推导出    根节点->动物2=3  -   动物2-> 根节点

(0 1 2 这几个权值的设定的优越性再次体现了出来)由此,我们便很容易的就可以得到2只动物之间的关系。

接下来我们再处理一下根节点不相同的情况,由于根节点不相同时数据总是正确的,所以我们无需判断真假,只需要将一只动物的根节点连接到另一只动物的根节点上,然后改变子集合根节点的关系即可。

改变结点是个很简单的事,直接find ,然后将其中一个的parent改为另一只动物即可。

但是关系的改变可能第一次时并没有那么好想;

首先我们需要注意的一点是我们的集合都是经过路径压缩的,所以每个集合都只有2层。

还是利用推导出来的第一个公式;

假设数据中的2只动物分别为x,y;

我们可以将关系用公式转化为:根节点2->根结点1=(根节点2->y + y->x + x->根节点1)%3;

综合上面可易知:根节点2->y=3   -  y->根节点;

至于 y-x就是数据中的给出的2只动物之间的关系;

最后一个连推导都不用了直接调用即可,这样我们就解决了根节点合并的问题。

这样我们其实就已经解决了这个问题,希望这篇博客可以给大家带来些许的帮助,当然还欢迎各位大神提出宝贵意见,orz

【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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,生成器生成据,判别器评估据的真实性。 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(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。 9. **损失函(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。 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。
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。
评论 1
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