poj2236并查集简单应用

并查集的基本应用
题目:输入电脑个数n,(电脑标号为1到n)相邻电脑交流的最大距离d。输入n台电脑的坐标。
起初n台电脑均被破坏。两台电脑之间可通过第三台电脑相互交流。
下边有两种输入:
O i。修复第i台电脑
S a b 判断电脑a和b是否能交流,若能输出SUCCESS,否则输出FAIL。

思路:
用并查集处理。
输入遇到O:标记当前电脑已修复,找出已修复的其他所有电脑看是否能合并(距离是否满足条件)
遇到S:如果输入的两台电脑在同一连通分量里边,说明可以交流,否则不行。

#include <cstdio>
#include <cstring>
#define N 1005
using namespace std;

typedef struct note {
	int x, y;
}node;

node pos[N];
int f[N],sign[N];
int n, d;

void init()
{
	for (int i = 1; i <= n; i++)
	{
		f[i] = i;
		sign[i] = 0;
	}
}

int find(int x)
{
	return x == f[x] ? x : f[x] = find(f[x]);
}

void merge(int x, int y)
{
	int t1 = find(x), t2 = find(y);
	if (t1 != t2)	f[t2] = t1;
}

int same(int x, int y)
{
	return find(x) == find(y);
}

int judge(int a, int b)
{
	return (pos[a].x - pos[b].x)*(pos[a].x - pos[b].x) + (pos[a].y - pos[b].y)*(pos[a].y - pos[b].y) <= d*d ? 1 : 0;
}

int main()
{
	scanf("%d%d", &n, &d);
	for (int i = 1; i <= n; i++)
		scanf("%d%d", &pos[i].x, &pos[i].y);
	init();

	getchar();
	char ch;
	while (~scanf("%c", &ch))
	{
		if (ch == 'O')//修复电脑
		{
			int w;
			scanf("%d", &w);
			sign[w] = 1;
			for (int i = 1; i <= n; i++)
			{
				if (sign[i] && judge(i, w))//遍历之前已经修复,且距离符合条件的电脑。
					merge(i, w);
			}
		}
		else//判断电脑是否能交流
		{
			int u, v;
			scanf("%d%d", &u, &v);
			if (same(u, v))
				printf("SUCCESS\n");
			else
				printf("FAIL\n");
		}
		getchar();
	}
	return 0;
}

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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