hdu3280 Golden Eggs(网络流最小割)

这题难点在于建图。参考了网上大牛的建图,膜拜下orz

首先这类题,分成两个集合A,B

集合内部的点都是不相交的。

然后对于每一个点,有三种选择,金,银,无。

每一个格拆为两个点,金和银,之间为正无穷,因为金银只能选一种。

对于A集合 为源-金-银-汇

对于B集合 为源-银-金-汇。

A、B集合之间为相邻的点连权值对应的边。

最小割割去的都是不要的,所以答案为Sum-最小割。

这个题会了,黑白格染色就简单许多了。

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<vector>
#include<queue>

using namespace std;
int T,N,M,G,S;
const int maxn = 55,INF= 100000;
int g[maxn][maxn],s[maxn][maxn];
struct EDGE{
    int u,v,w,next;
}edge[100010];

int cnt;
int head[maxn*maxn*2],mark[maxn*maxn*2];
int src,des;
int dx[4]={0,0,1,-1};
int dy[4]={1,-1,0,0};
int Sum=0;
#define MIN(a,b) a<b?a:b

void addedge(int u,int v,int w){
    edge[cnt].u=u;edge[cnt].v=v;edge[cnt].w=w;
    edge[cnt].next=head[u];head[u]=cnt++;
    edge[cnt].u=v;edge[cnt].v=u;edge[cnt].w=0;
    edge[cnt].next=head[v];head[v]=cnt++;
}
bool check(int x,int y){
    if(x<0||x>=N||y<0||y>=M)return 0;
    return 1;
}
void build_map(){
    memset(head,-1,sizeof(head));
    cnt=0;
    src=N*M*2,des=N*M*2+1;
    for(int i=0;i<N;i++){
        for(int j=0;j<M;j++){
            if((i+j)%2==0){
                addedge(src,i*M+j,g[i][j]);
                addedge(i*M+j+N*M,des,s[i][j]);
                addedge(i*M+j,i*M+j+N*M,INF);
            }
            else{
                addedge(src,i*M+j,s[i][j]);
                addedge(i*M+j+N*M,des,g[i][j]);
                addedge(i*M+j,i*M+j+N*M,INF);
            }
            for(int k=0;k<4;k++){
                int xx=i+dx[k],yy=j+dy[k];
                if(check(xx,yy)){
                    if((i+j)%2==0){
                        addedge(i*M+j,xx*M+yy+N*M,G);
                    }
                    else{
                        addedge(i*M+j,xx*M+yy+N*M,S);
                    }
                }
            }
        }
    }
}
bool BFS(){
    queue<int>q;
    q.push(src);
    memset(mark,-1,sizeof(mark));
    mark[src]=1;
    while(!q.empty()){
        int k=q.front();q.pop();
        for(int i=head[k];i!=-1;i=edge[i].next){
            int v = edge[i].v;
            if(edge[i].w>0&&mark[v]==-1){
                mark[v]=mark[k]+1;
                q.push(v);
            }
        }
    }
    return mark[des]!=-1;
}
int dfs(int x,int delta){
    int cost=0,min;
    if(x==des)return delta;
    for(int i=head[x];i!=-1;i=edge[i].next){
        int v=edge[i].v;
        if(mark[v]==mark[x]+1&&edge[i].w>0){
            min=dfs(v,MIN(edge[i].w,delta-cost));
            if(min>0){
                edge[i].w-=min;
                edge[i^1].w+=min;
                cost+=min;
                if(cost==delta)break;
            }
            else{
                mark[v]=-1;
            }
        }
    }
    return cost;
}
int ica;
void Dinic(){
    int flow=0;
    while(BFS()){
        flow+=dfs(src,INF);
    }
    printf("Case %d: %d\n",ica++,Sum-flow);
}
int main(){
    
    scanf("%d",&T);
    ica=1;
    while(T--){
        Sum=0;
        scanf("%d%d%d%d",&N,&M,&G,&S);
        for(int i=0;i<N;i++){
            for(int j=0;j<M;j++){
                scanf("%d",&g[i][j]);
                Sum+=g[i][j];
            }
        }
        for(int i=0;i<N;i++){
            for(int j=0;j<M;j++){
                scanf("%d",&s[i][j]);
                Sum+=s[i][j];
            }
        }
        build_map();
        Dinic();
    }
    
    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