poj 1463 树形dp入门

很简单的树形dp题目,转移方程是:

     dp[u][0] += dp[v][1];
     dp[u][1] += min( dp[v][0], dp[v][1] );

其中u是v的父亲节点。

 1 #include <algorithm>
 2 #include <iostream>
 3 #include <cstring>
 4 #include <cstdio>
 5 using namespace std;
 6 
 7 const int N = 1500;
 8 bool flag[N];
 9 int head[N];
10 int dp[N][2];
11 int e, n;
12 
13 void init()
14 {
15     e = 0;
16     memset( flag, true, sizeof(flag) );
17     memset( head, -1, sizeof(head) );
18 }
19 
20 struct Edge
21 {
22     int v, next;
23 } edge[N];
24 
25 void addEdge( int u, int v )
26 {
27     edge[e].v = v;
28     edge[e].next = head[u];
29     head[u] = e++;
30 }
31 
32 void dfs( int u )
33 {
34     dp[u][0] = 0;
35     dp[u][1] = 1;
36     for ( int i = head[u]; i != -1; i = edge[i].next )
37     {
38         int v = edge[i].v;
39         dfs(v);
40         dp[u][0] += dp[v][1];
41         dp[u][1] += min( dp[v][0], dp[v][1] );
42     }
43 }
44 
45 int main ()
46 {
47     while ( scanf("%d", &n) != EOF )
48     {
49         init();
50         for ( int i = 0; i < n; i++ )
51         {
52             int u, v, m;
53             scanf("%d:(%d)", &u, &m);
54             while ( m-- )
55             {
56                 scanf("%d", &v);
57                 addEdge( u, v );
58                 flag[v] = false;
59             }
60         }
61         int root;
62         for ( int i = 0; i < n; i++ )
63         {
64             if ( flag[i] )
65             {
66                 root = i;
67                 break;
68             }
69         }
70         dfs(root);
71         int ans = min( dp[root][0], dp[root][1] );
72         printf("%d\n", ans);
73     }
74     return 0;
75 }

也可以用二分图来做。

 

转载于:https://www.cnblogs.com/huoxiayu/p/4648101.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