(状压dp)ACM-ICPC 2018 南京赛区网络预赛 E题.AC Challenge

传送门:E题.AC Challenge

题意:有 n 个问题(0<n≤20 ),解决一个问题花费 1 分钟,但解决问题 i 时,必须已经解决问题p1,p2, ... ,psi(记为问题 i 的前驱问题)。当问题 i 是你解决的第 t 个问题(在第 t 分钟)时,总分加上 ai*t+bi。求总分的最大值。

题解:考虑到n较小,可以采取状态压缩来表示问题的状态。例如,二进制数0100表示第3个已解决。

求总分的最大值,考虑状压dp来解决。dp[i]表示状态为i时的最高得分,则状态转移方程为 dp[i]=max(dp[i],dp[tmp]+(ll)(t+1)*a[j]+b[j]);  //tmp=i-(1<<(j-1)); 问题j的上一个状态

预处理:把问题 x的前驱问题的状态存到pre[x]中。

状态转移条件:

1.i状态下第j个问题已解决;

2.定义tmp为前驱状态,与i相比,tmp中只相差一个j问题;

3.tmp状态下的前驱问题已解决,即tmp&pre[i]==pre[i]

4.dp[tmp]处于合法状态。

从大到小,枚举所有状态。内部枚举每一个问题,满足条件的话,进行状态转移。

代码:

#include<bits/stdc++.h>
using namespace std;
#define inf 0x3f3f3f3f
#define MAXN (1<<20)+5
#define ll long long
ll pre[25],dp[MAXN],a[25],b[25];
int n,s,p;
int main()
{
    while(~scanf("%d",&n)){
        memset(pre,0,sizeof(pre));

        for(int i=1;i<=n;i++){
            scanf("%lld%lld%d",&a[i],&b[i],&s);
            while(s--){
                scanf("%d",&p);
                pre[i]+=1<<(p-1);
            }
        }

        dp[0]=0;
        int m=(1<<n)-1;
        ll ans=0;
        for(int i=1;i<=m;i++){
            dp[i]=-inf;  //初始化
            for(int j=1;j<=n;j++){
                if(i&(1<<(j-1))){
                    int tmp=i-(1<<(j-1));  //前驱状态
                    if(dp[tmp]==-inf) continue;  //前驱状态处于不合法状态
                    if((tmp&pre[j])==pre[j]){
                        int num=0;
                        for(int k=0;k<n;k++){
                            if(tmp&(1<<k)){
                                num++;  //前驱问题解决的时候所消耗的时间
                            }
                        }
                        dp[i]=max(dp[i],dp[tmp]+(ll)(num+1)*a[j]+b[j]);
                        //printf("dp[%d]=%d\n",i,dp[i]);
                        ans=max(ans,dp[i]);
                    }
                }
            }
        }
        printf("%lld\n",ans);
    }
	return 0;

 

  • 0
    点赞
  • 1
    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,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,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 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问: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,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