poj 3469 Dual Core CPU

时间限制:1秒  内存限制:256M

【问题描述】

  要在由核A和B组成的双核CPU上运行N个任务。任务i在核A上执行花费为Ai,在B上执行花费为Bi。

  其中有M个任务执行时需要交换数据,用一对整数ai,bi,表示任务ai和任务bi执行时需要交换数据,但如果他们在同一个核上执行则没有额外花费,否则会产生wi的花费。

  问,所有任务都执行完后,最小的花费是多少。

【输入格式】

  第一行为N和M。
  接下来的N行,每行包含两个整数Ai,Bi。
  再接下来的M行,每行包含三个整数:ai,bi,wi。

【输出格式】

  一个整数,表示最小花费。

【输入样例】

3 1
1 10
2 10
10 3
2 3 1000

【输出样例】

13

【数据范围】

1 ≤ N ≤ 20000, 1 ≤ M ≤ 200000
0 < Ai,Bi,wi<=10^9

【来源】

poj 3469

一道很普通的网络流的题。

分成2部分让我们很容易想到最小割,然后考虑题意,我们设s这个集合代表在A处理,t的集合代表在B处理,然后配对的连边就好。

代码如下:

#include<cstdlib>
#include<cstring>
#include<cstdio>
#include<iostream>
#include<algorithm>
using namespace std;
typedef long long ll;
const int maxn=20005;
const ll inf=20000000000005ll;

struct edge
{
    int u,v,f,c,next;
}e[maxn*100];

int f[maxn],s,t,cur[maxn],d[maxn],cnt=-1,q[maxn*10],n,m;

void add(int u,int v,int F){
    e[++cnt]=(edge){u,v,F,0,f[u]};f[u]=cnt;
    e[++cnt]=(edge){v,u,0,0,f[v]};f[v]=cnt;
}

bool bfs(){
    int frond=0,root=0;
    memset(d,0,sizeof(d));
    q[root++]=s;
    d[s]=1;
    while(root!=frond)
    {
        int i=q[frond++];
        for(int k=f[i];k!=-1;k=e[k].next)
        {
            int j=e[k].v;
            if(d[j]||e[k].f==e[k].c) continue;
            d[j]=d[i]+1;
            q[root++]=j;
        }
    }
    return d[t];
}

ll dfs(int i,ll a){
    if(i==t||a==0) return a;
    ll F,flow=0;
    for(int &k=cur[i];k!=-1;k=e[k].next)
    {
        int j=e[k].v;
        if(d[j]==d[i]+1&&(F=dfs(j,min(a,(ll)e[k].f-e[k].c))))
        {
            a-=F;
            flow+=F;
            e[k].c+=F;
            e[k^1].c-=F;
            if(!a) break;
        }
    }
    return flow;
}

ll dinic(){
    ll flow=0;
    while(bfs())
    {
        memcpy(cur,f,sizeof(cur));
        flow+=dfs(s,inf);
    }
    return flow;
}

int main()
{
    //freopen("dualcore.in","r",stdin);
    //freopen("dualcore.out","w",stdout);
    scanf("%d%d",&n,&m);
    s=0,t=n+1;
    for(int i=s;i<=t;i++) f[i]=-1;
    int x,y,w;
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&x,&y);
        add(s,i,x);
        add(i,t,y);
    }
    for(int i=1;i<=m;i++)
    {
        scanf("%d%d%d",&x,&y,&w);
        add(x,y,w);
        add(y,x,w);
    }
    cout<<dinic();
    return 0;
}
  • 1
    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