[APIO2018] Duathlon 铁人两项 圆方树,DP

[APIO2018] Duathlon 铁人两项

LG传送门

圆方树+简单DP。

不会圆方树的话可以看看我的另一篇文章

考虑暴力怎么写,枚举两个点,答案加上两个点之间的点的个数。

看到题面中的一句话:

考虑到安全因素,选择的路径经过同一个点至多一次。

换句话说就是简单路径,用(广义)圆方树的基本条件已经满足,可以把问题变到树上:令方点的权值为所在点双的大小,圆点会被算重所以点权为\(-1\),统计任意两点间的点权和就好了。直接做是\(n ^ 2\)的,考虑枚举每一个点看会产生多少贡献,对答案的贡献就乘个点权。

注意图不一定联通。

#include <cstdio>
#include <cctype>
#include <vector>
#define R register
#define I inline
#define B 1000000
#define L long long
using namespace std;
const int N = 200003;
char buf[B], *p1, *p2;
I char gc() { return p1 == p2 && (p2 = (p1 = buf) + fread(buf, 1, B, stdin), p1 == p2) ? EOF : *p1++; }
I int rd() {
    R int f = 0;
    R char c = gc();
    while (c < 48 || c > 57)
        c = gc();
    while (c > 47 && c < 58)
        f = f * 10 + (c ^ 48), c = gc();
    return f;
}
L ans = 0;
int s[N], w[N], dfn[N], low[N], vis[N], sta[N], siz[N], n, tim, cnt, stp, tot;
vector <int> g[N], G[N];
I int min(int x, int y) { return x < y ? x : y; }
void dfs(int x) {
    dfn[x] = low[x] = ++tim, sta[++stp] = x, w[x] = -1, ++tot;
    for (R int i = 0, y, z; i < s[x]; ++i)
        if (!dfn[y = g[x][i]]){
            dfs(y), low[x] = min(low[x], low[y]);
            if (low[y] >= dfn[x]) {
                w[++cnt] = 1, G[x].push_back(cnt), G[cnt].push_back(x);
                do {
                    z = sta[stp--], ++w[cnt], G[z].push_back(cnt), G[cnt].push_back(z);
                } while (z ^ y);
            }
        }
        else
            low[x] = min(low[x], dfn[y]);
}
void calc(int x, int f) {
    siz[x] = vis[x] = x <= n;
    L tmp = 0;
    for (R int i = 0, y, S = G[x].size(); i < S; ++i)
        if ((y = G[x][i]) ^ f)
            calc(y, x), tmp += 2ll * siz[y] * siz[x], siz[x] += siz[y];
    tmp += 2ll * siz[x] * (tot - siz[x]), ans += tmp * w[x];
}
int main() {
    freopen("a.in", "r", stdin);
    R int m, i, x, y;
    cnt = n = rd(), m = rd();
    for (i = 1; i <= m; ++i)
        x = rd(), y = rd(), g[x].push_back(y), g[y].push_back(x);
    for (i = 1; i <= n; ++i)
        s[i] = g[i].size();
    for (i = 1; i <= n; ++i)
        if (!vis[i])
            stp = 0, tot = 0, dfs(i), calc(i, 0);
    printf("%lld", ans);
    return 0;
}

转载于:https://www.cnblogs.com/cj-chd/p/10290837.html

  • 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