P1407 稳定婚姻(Tarjan)

https://www.luogu.com.cn/problem/P1407
在这里插入图片描述
这里最主要是建边有难点,其他就是一个Tarjan板子,刚开始我想的是夫妻之间建男 ⟶ \longrightarrow 女的单边,前情侣之间建双向边,然后就一直wawawa,然后反过来就行了,
夫妻之间建双向边,此时就是一个强连通分量,可以缩成一个点,然后前情侣之间建单边,如果构成强连通,就说明Unsafe,否则Safe.

#include <iostream>
#include <cstring>
#include <cmath>
#include <bitset>
#include <queue>
#include <vector>
#include <cstdio>
#include <set>
#include <stack>
#include <assert.h>
#include <sstream>
#include <cstring>
#include <algorithm>
#include <map>
#define rep(i, a, b) for (long long i= a; i <= b; i++)
#define reps(i, a, b) for (long long i = a; i >= b; i--)
#define gcd(a,b) __gcd(a,b)
#define lcm(a,b) a*b/gcd(a,b)
#define ls(node) tree[node].ls
#define rs(node) tree[node].rs
#define l(node) tree[node].l
#define r(node) tree[node].r
#define val(node) tree[node].val
#define sum(node) tree[node].sum
#define lazy(node) tree[node].lazy
#define lazy1(node) tree[node].lazy1
#define lazy2(node) tree[node].lazy2
#define tr(node) tree[node]
//#pragma GCC optimize(2)
using namespace std;
const int N=1e6+7;
const int M=3e4+7;
const int inf=0x3f3f3f3f;
const int mod=1e9+7;
typedef long long ll;
#define Rep(i,a,b)for(ll i=a;i<=b;i++)
inline ll read()
{
    ll x=0,f=1;
    char ch=getchar();
    while(ch<'0'||ch>'9')
    {
        if(ch=='-')
            f=-1;
        ch=getchar();
    }
    while(ch>='0'&&ch<='9')
    {
        x=(x<<1)+(x<<3)+(ch^48);
        ch=getchar();
    }
    return x*f;
}
vector<int>G[N];
int dfn[N],low[N],vis[N],Stack[N],point[N],val[N],out[N],in[N];
int top=0,times=0,sum=0,n,m;
void tarjan(int x)
{
    dfn[x]=++times;
    low[x]=times;
    vis[x]=1;
    Stack[++top]=x;
    for(int i=0;i<G[x].size();i++){
        int v=G[x][i];
        if(!dfn[v]){
            tarjan(v);
            low[x]=min(low[x],low[v]);
        }else if(vis[v]){
            low[x]=min(low[x],low[v]);
        }
    }
    if(dfn[x]==low[x]){
        point[x]=++sum;
        val[sum]++;
        vis[x]=0;
        while (Stack[top]!=x){
            point[Stack[top]]=sum;
            vis[Stack[top--]]=0;
            val[sum]++;
        }
        top--;
    }
}
struct edge
{
    int x,y;
}e[N];
vector<int>E[N];
map<string,int>mp;
int main()
{
    n=read();
    int cnt=0;
    rep(i,1,n){
        string a,b;
        cin>>a>>b;
        mp[a]=i,mp[b]=i;
        //G[mp[a]].push_back(mp[b]);
    }
    m=read();
    rep(i,1,m){
        string a,b;
        cin>>a>>b;
       	// G[mp[b]].push_back(mp[a]);
        G[mp[a]].push_back(mp[b]);
    }
    rep(i,1,n)if(!dfn[i])tarjan(i);
    rep(i,1,n){
        if(val[point[i]]!=1)puts("Unsafe");
        else puts("Safe");
    }

}
  • 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