UVA - 208 Firetruck

12 篇文章 0 订阅

题目大意:给出一张图,求从 1 到 n 的所有路径。

解题思路:回溯 + 剪枝。map[][] 存图,arv[i][j]表示 i 点是否能够到达 j 点,这就是剪枝条件,对于每个点要判断是否能够到达 n 点,如果不能到就不要再查找了否则会 TLE。然后就是回溯。arv 忘记初始化 TLE 了好几次。。。

#include<iostream> 
#include<cstdio>
#include<cmath>
#include<string.h>
#include<stdlib.h>
#include<algorithm>
using namespace std;
bool map[50][50], arv[50][50], vis[50];
int as[50];
int n, m, ans, cnt = 0;
void dfs(int now, int cnt) {
    if (now == n) {
        for (int i = 0; i < cnt-1; i++)
            printf("%d ", as[i]);
        printf("%d\n", as[cnt-1]);
        ans++;
        return;
    }
    for (int i = 1; i <= m; i++)
        if (!vis[i] && map[now][i] && arv[i][n]) {
            vis[i] = true;
            as[cnt] = i;
            dfs(i, cnt+1);
            vis[i] = false;
        }
}
int main() {
    while (scanf("%d", &n) != EOF) {
        memset(map, 0, sizeof(map));
        memset(arv, 0, sizeof(arv));
        int a, b;
        m = 0;
        while (scanf("%d%d", &a, &b) && a+b) {
            map[a][b] = map[b][a] = true;
            arv[a][b] = arv[b][a] = true;
            if (a > m) m = a;
            if (b > m) m = b;
        }
        for (int k = 1; k <= m; k++)
            for (int i = 1; i <= m; i++)
                for (int j = 1; j <= m; j++)
                    if (arv[i][k] && arv[k][j])
                        arv[i][j] = true;

        printf("CASE %d:\n", ++cnt);

        ans = 0;
        as[0] = 1;
        vis[1] = true;
        dfs(1, 1);

        printf("There are %d routes from the firestation to streetcorner %d.\n", ans, n);
    }
return 0; 
}
  • 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