HFUT 1357.梯田AGAIN(安徽省2016“京胜杯”程序设计大赛 D)

梯田AGAIN

Time Limit: 1000 MSMemory Limit: 65536 KB
Total Submissions: 23Accepted: 8

Description


大家还记得去年的梯田吗?土豪YZK在一块小岛上有着一大片n*m的梯田,每块1*1的田地都有它的高度。奴隶们不甘被YZK剥削,他们联合起来决定发动一场海啸淹掉YZK的部分梯田。

奴隶们去年尝试了一下,结果发现,由于土质太过松软,水能够透过土地渗入到相邻的梯田,即对于海啸高度h,梯田中所有小于等于h的土地都会由于土质松软而被被淹没。

现在给你一个n*m的矩阵,代表梯田中每块田地的高度。然后给定q个询问,每个询问给定一个海啸高度h,问在此高度下,不被淹没的梯田数量是多少。


Input


第一行一个整数T,表示测试数据组数。

对于每组测试数据:

第一行三个数字n,m,q,表示梯田的行数,列数和询问数。

之后n行,每行m个数字,表示每块田地的高度,梯田高度不大于1000000。

之后q行,每行给出一个海啸高度h,问大于这个高度的梯田有多少块。

0<T<20。

0<n,m<=200。

0<=q<1000。

0<=h<=1000000.


Output


对于每个询问,给出一个整数,表示大于这个海啸高度的梯田数量。

Sample Input


2
2 2 2
1 2
3 4
2
3
2 3 3
1 2 3
3 4 5
0
4
5

Sample Output


​2
1
6
1
0

 

题目比较容易理解,可以看出,整个梯田的大小可能是200*200,而询问的数量是1000,h的最大高度为1000000

因此,可以知道,在极限数据情况下,如果保存梯田中每块田的高度的话,会有大量的重复计算,会导致超时。

 

可以将每个高度的梯田的数目记录下来,采用记忆化搜索的方式来查询。

(比赛时的数据貌似比这个容易过)

 

AC代码:GitHub

 1 /*
 2 By:OhYee
 3 Github:OhYee
 4 HomePage:http://www.oyohyee.com
 5 Email:oyohyee@oyohyee.com
 6 Blog:http://www.cnblogs.com/ohyee/
 7 
 8 かしこいかわいい?
 9 エリーチカ!
10 要写出来Хорошо的代码哦~
11 */
12 
13 #include <cstdio>
14 #include <algorithm>
15 #include <cstring>
16 #include <cmath>
17 #include <string>
18 #include <iostream>
19 #include <vector>
20 #include <list>
21 #include <queue>
22 #include <stack>
23 #include <map>
24 using namespace std;
25 
26 //DEBUG MODE
27 #define debug 0
28 
29 //循环
30 #define REP(n) for(int o=0;o<n;o++)
31 
32 const int maxh = 1000005;
33 int cnt[maxh];
34 int ans[maxh];
35 
36 int Max = -1;
37 
38 int Ans(int h) {
39     if(h > Max)
40         return 0;
41     if(ans[h] == -1)
42         ans[h] = cnt[h] + Ans(h + 1);
43 
44     return ans[h];
45 }
46 
47 void Do() {
48     memset(cnt,0,sizeof(cnt));
49     memset(ans,-1,sizeof(cnt));
50     Max = -1;
51 
52 
53     int n,m,q;
54     scanf("%d%d%d",&n,&m,&q);
55     
56     for(int i = 0;i < n;i++)
57         for(int j = 0;j < m;j++) {
58             int temp;
59             scanf("%d",&temp);
60             Max = max(Max,temp);
61             cnt[temp]++;
62         }
63 
64     REP(q) {
65         int h;
66         scanf("%d",&h);
67         printf("%d\n",Ans(h)-cnt[h]);
68     }
69 }
70 
71 int main() {
72     int T;
73     scanf("%d",&T);
74     while(T--)
75         Do();
76     return 0;
77 }

 

转载于:https://www.cnblogs.com/ohyee/p/5543762.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