hdu 1285 确定比赛名次 拓扑排序入门

确定比赛名次

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 35096    Accepted Submission(s): 13731


 

Problem Description

有N个比赛队(1<=N<=500),编号依次为1,2,3,。。。。,N进行比赛,比赛结束后,裁判委员会要将所有参赛队伍从前往后依次排名,但现在裁判委员会不能直接获得每个队的比赛成绩,只知道每场比赛的结果,即P1赢P2,用P1,P2表示,排名时P1在P2之前。现在请你编程序确定排名。

 

 

Input

输入有若干组,每组中的第一行为二个数N(1<=N<=500),M;其中N表示队伍的个数,M表示接着有M行的输入数据。接下来的M行数据中,每行也有两个整数P1,P2表示即P1队赢了P2队。

 

 

Output

给出一个符合要求的排名。输出时队伍号之间有空格,最后一名后面没有空格。

其他说明:符合条件的排名可能不是唯一的,此时要求输出时编号小的队伍在前;输入数据保证是正确的,即输入数据确保一定能有一个符合要求的排名。

 

 

Sample Input

 

4 3 1 2 2 3 4 3

 

 

Sample Output

 

1 2 4 3

 

刚刚学习了拓扑排序,为了先熟悉代码,立马找了一道拓扑的模板题

这里就不粘概念了,以后熟悉之后再详细写

代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxx=505;
const int INF=1e9;
const int MOD=1e9+7;
int mapp[maxx][maxx];
int index[maxx];   //记录入度
int vis[maxx];
int n,m,tot;
void toposort()
{
    tot=0;
    while(tot<n){
        int k=-1;
        for(int i=1; i<=n; i++){
            if(index[i]==0 && vis[i]==0){
                vis[i]=1;
                k=i;
                break;
            }
        }
        if(k==-1)  return ;
        if(tot)  printf(" ");
        printf("%d",k);
        tot++;
        for(int j=1; j<=n; j++){
            if(mapp[k][j]==1){
                mapp[k][j]=0;
                index[j]--;
            }
        }
    }
}
int main()
{
    while(~scanf("%d%d",&n,&m)){
        memset(mapp,0,sizeof(mapp));
        memset(vis,0,sizeof(vis));
        memset(index,0,sizeof(index));
        int a,b;
        for(int i=1; i<=m; i++){
            cin>>a>>b;
            if(mapp[a][b]==0){   //防止重边
                mapp[a][b]=1;
                index[b]++;
            }
        }
        toposort();
        printf("\n");
    }
    return 0;
}

数据小,直接用数组写了

接下来是用优先队列的

代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxx=505;
const int INF=1e9;
const int MOD=1e9+7;
int mapp[maxx][maxx];
int index[maxx];   //记录入度
int n,m;
priority_queue<int,vector<int>,greater<int> > q;
void toposort()
{
    for(int i=1; i<=n; i++){
        if(index[i]==0)
            q.push(i);
    }
    int p=1;
    while(!q.empty()){
        int v=q.top();
        q.pop();
        if(p!=n){
            cout<<v<<" ";
            p++;
        }
        else   cout<<v<<endl;
        for(int i=1; i<=n; i++){
            if(mapp[v][i]==0)  continue;
            index[i]--;
            if(index[i]==0)
                q.push(i);
        }
    }
}
int main()
{
    while(~scanf("%d%d",&n,&m)){
        memset(mapp,0,sizeof(mapp));
        memset(index,0,sizeof(index));
        int a,b;
        for(int i=1; i<=m; i++){
            cin>>a>>b;
            if(mapp[a][b]==0){   //防止重边
                mapp[a][b]=1;
                index[b]++;
            }
        }
        toposort();
    }
    return 0;
}

用邻接表写的,虽然还有一些不是很能理解

代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxx=505;
const int INF=1e9;
const int MOD=1e9+7;
int adj[maxx];
int nextt[maxx];
int first[maxx];
int index[maxx];   //记录入度
int n,m;
void toposort()
{
    for(int i=1; i<=n; i++){
        for(int j=1; j<=n; j++){
            if(index[j]==0){
                index[j]=-1;
                if(i==1)  cout<<j;
                else      cout<<" "<<j;
                for(int k=first[j]; k!=-1; k=nextt[k]){
                    index[adj[k]]--;
                }
                break;
            }
        }
    }
}
int main()
{
    while(~scanf("%d%d",&n,&m)){
        for(int i=0; i<=n; i++){
            index[i]=0;
            first[i]=-1;
            nextt[i]=-1;
            adj[i]=-1;
        }
        int a,b;
        for(int i=1; i<=m; i++){
            cin>>a>>b;
            int flag=0;
            int x=first[a];
            while(x!=-1){
                if(adj[x]==b){
                    flag=1;
                    break;
                }
                x=nextt[x];
            }
            if(flag==0){
                adj[i]=b;
                nextt[i]=first[a];
                first[a]=i;
                index[b]++;
            }
        }
        toposort();
        cout<<endl;
    }
    return 0;
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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