HDU - 1811 Rank of Tetris 拓扑排序与并查集

Training 8 - D题

自从Lele开发了Rating系统,他的Tetris事业更是如虎添翼,不久他遍把这个游戏推向了全球。

为了更好的符合那些爱好者的喜好,Lele又想了一个新点子:他将制作一个全球Tetris高手排行榜,定时更新,名堂要比福布斯富豪榜还响。关于如何排名,这个不用说都知道是根据Rating从高到低来排,如果两个人具有相同的Rating,那就按这几个人的RP从高到低来排。

终于,Lele要开始行动了,对N个人进行排名。为了方便起见,每个人都已经被编号,分别从0到N-1,并且编号越大,RP就越高。

同时Lele从狗仔队里取得一些(M个)关于Rating的信息。这些信息可能有三种情况,分别是"A > B",“A = B”,“A < B”,分别表示A的Rating高于B,等于B,小于B。

现在Lele并不是让你来帮他制作这个高手榜,他只是想知道,根据这些信息是否能够确定出这个高手榜,是的话就输出"OK"。否则就请你判断出错的原因,到底是因为信息不完全(输出"UNCERTAIN"),还是因为这些信息中包含冲突(输出"CONFLICT")。

注意,如果信息中同时包含冲突且信息不完全,就输出"CONFLICT"。

Input

本题目包含多组测试,请处理到文件结束。

每组测试第一行包含两个整数N,M(0<=N<=10000,0<=M<=20000),分别表示要排名的人数以及得到的关系数。

接下来有M行,分别表示这些关系

Output

对于每组测试,在一行里按题目要求输出

#pragma warning (disable:4996)
#include <iostream>
#include <algorithm>
#include <iomanip>
#include <cstring>
#include <string>
#include <cstdio>
#include <cmath>
#include <vector>
#include <queue>
#include <set>
#define inf 0X3f3f3f3f
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const int N = 1e4 + 200;
const int M = 2e4 + 200;

vector<int> graph[N];
int deg[N];//入度
int tot, cnt;

int fa[N];
int n, m;
int sum;

vector<pair<int, int>> vec;

int get(int x)
{
	if (x == fa[x])
		return x;
	return fa[x] = get(fa[x]);
}

void merge(int x, int y)
{
	fa[get(x)] = get(y);
}

int topsort()
{
	int flag = -1;
	queue<int> q;
	for (int i = 1; i <= n; i++)
		if (i == get(i))
		{
			sum++;
			if (deg[i] == 0)
				q.push(i);
		}
	while (q.size())
	{
		if (q.size() > 1)
			flag = 0;//UNCERTAIN
		int x = q.front();
		q.pop();
		++cnt;
		for (int i = 0; i < graph[x].size(); i++)
		{
			int y = graph[x][i];
			if (--deg[y] == 0)
				q.push(y);
		}
	}
	if (cnt < sum)
		flag = 1;//CONFLICT
	if (flag != -1)
		return flag;
	return 2;//OK
}

int main()
{
	while (scanf("%d%d", &n, &m) != EOF)
	{
		for (int i = 1; i <= n; i++)
		{
			graph[i].clear();
			fa[i] = i;
			deg[i] = 0;
		}
		tot = cnt = sum = 0;
		for (int i = 1; i <= m; i++)
		{
			int a, b;
			char oper;
			scanf("%d %c %d", &a, &oper, &b);
			a++, b++;
			if (oper == '=')
			{
				merge(a, b);
				continue;
			}
			if (oper == '<')
				swap(a, b);
			vec.push_back(make_pair(a, b));
		}
		while (vec.size())
		{
			int a = get(vec.back().first);
			int b = get(vec.back().second);
			graph[a].push_back(b);
			deg[b]++;
			vec.pop_back();
		}
		int res = topsort();
		if (res == 2)
			printf("OK\n");
		if (res == 1)
			printf("CONFLICT\n");
		if (res == 0)
			printf("UNCERTAIN\n");
	}
	return 0;
}

思路:
并查集各个等级,将等级相同的人放入同一个集合。需要先处理“=”,然后每次将集合的根节点连边建图。拓扑排序,如果每次入度为0的点不止一个,就是“UNCERTAIN”;如果最后的拓扑序列与并查集集合数不同,就是“CONFLICT”;如果同时满足“UNCERTAIN”和“CONFLICT”,合并为“CONFLICT”,其他情况都是OK。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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