状压DP--NYOJ合并游戏

/*
    状压DP
    http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=832
    题意:1到n石子顺序排列,1...a...b...n
    a合并到b得到金钱mp[a][b],b消失
    b合并到a得到金钱mp[b][a],a消失
    求最大的金币数
    思路:因为最多只有10个石子,可以将每种石子目前的状态压缩成一个
    二进制说,假设有个状态是 101 ,那么中间的零,可能是左边的1合并过去的
    也可能是右边的1合并过去的,所以要枚举找一个最大值mx
    然后mx 加上 dp[111]这个状态的最大值
*/
# include<iostream>
# include<stdio.h>
# include<queue>
# include<string.h>
# define INFI 0x3f3f3f3f

using namespace std;
int mp[15][15],dp[5000];
int main(void)
{
//  freopen("in.txt","r",stdin);
    int n;
    while(cin >> n)
    {
        memset(mp,0,sizeof(mp));
        memset(dp,0,sizeof(dp));
        for(int i=0; i<n; ++i)
        {
            for(int j=0; j<n; ++j)
            {
                cin >> mp[i][j];
            }
        }
        int ans = 0;
        for(int i=(1<<n)-1; i>=1; --i)//n个1  n-1个1  n-2个1.... 
        {
            for(int j=0; j<n; ++j)//用来查找0的位置 
            {
                if(!(i&(1<<j)))//枚举寻找0的位置 
                {
                    int mx = -INFI;
                    for(int t=0; t<n; ++t)//用来查找1的位置 
                    {
                        if(i&(1<<t))//枚举寻找1的位置 
                        {
                            mx = max(mx,mp[t][j]);//获取最大的一个 [由1位置合并到0位置]位置
                        }
                    }
                    //还没有消去1<<j这个位置的1时候最大值 加上消去这个位置的最大值 
                    dp[i] = max(dp[i],dp[i|(1<<j)]+mx);
                }

            }   
            ans = max(ans,dp[i]);
        }
        cout << ans << endl;    
    }
    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
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