2016北京集训测试赛(七)Problem A: 自动机

Description

Solution

注意到这一题并不要求字符串最短或者是字典序最小, 因此直接构造就可以了. 我们对于每个点\(u \ne 0\)找到一个串\(S\), 使得\(T(u, S) = T(0, S)\), 时间复杂度为\(O(n^3m)\). 假如我们发现对于某个点无法找到一个这样的串, 则说明无解. 接着我们用一个集合来表示自动机中所有点. 对于每个非零的点, 我们用前面求出来的串将其变成\(0\), 同时用这个串更新集合中的其他节点即可. 总时间复杂度: \(O(n^4 + n^3m)\)

#include <cstdio>
#include <cctype>
#include <cstring>

namespace Zeonfai
{
    inline int getInt()
    {
        int a = 0, sgn = 1;
        char c;
        while(! isdigit(c = getchar())) if(c == '-') sgn *= -1;
        while(isdigit(c)) a = a * 10 + c - '0', c = getchar();
        return a * sgn;
    }
}
const int N = 100, M = 26;
int n, m;
struct automaton
{
    struct node
    {
        int edg[M], pth[N * N], len;
    }nd[N];
    inline void addEdge(int u, int c, int v)
    {
        nd[u].edg[c] = v;
    }
    int vis[N][N], flg;
    void DFS(int u, int v, int len, int S)
    {
        vis[u][v] = 1;
        if(! u && ! v)
        {
            flg = 1; nd[S].len = len;
            return;
        }
        for(int i = 0; i < m; ++ i) if(! flg && ! vis[nd[u].edg[i]][nd[v].edg[i]]) nd[S].pth[len] = i, DFS(nd[u].edg[i], nd[v].edg[i], len + 1, S);
    }
    void getAnswer()
    {
        for(int i = 1; i < n; ++ i)
        {
            memset(vis, 0, sizeof(vis));
            flg = 0; nd[i].len = -1;
            DFS(0, i, 0, i);
            if(nd[i].len == -1)
            {
                puts("[impossible]");
                return;
            }
        }
        static int stt[N];
        for(int i = 0; i < n; ++ i) stt[i] = i;
        while(1)
        {
            int p = 0;
            for(; p < n; ++ p) if(stt[p]) break;
            if(p == n) break;
            for(int i = 0; i < nd[stt[p]].len; ++ i) putchar('a' + nd[stt[p]].pth[i]);
            for(int i = 0; i < n; ++ i) if(stt[i] && i ^ p) for(int j = 0; j < nd[stt[p]].len; ++ j) stt[i] = nd[stt[i]].edg[nd[stt[p]].pth[j]];
            stt[p] = 0;
        }
    }
}G;
int main()
{
    
    #ifndef ONLINE_JUDGE
    
    freopen("automaton.in", "r", stdin);
    freopen("automaton.out", "w", stdout);
    
    #endif
    
    using namespace Zeonfai;
    n = getInt(), m = getInt();
    for(int i = 0; i < n; ++ i) for(int j = 0; j < m; ++ j) G.addEdge(i, j, getInt());
    G.getAnswer();
}

转载于:https://www.cnblogs.com/ZeonfaiHo/p/7351902.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