【JZOJ 4841】平衡的子集

本文探讨了一种解决特定组合优化问题的算法——如何从N个人中选择成员并分为两组,使两组的总力气相等。通过折半搜索和优化技术,实现了高效求解。介绍了核心代码实现细节。

Description

夏令营有N个人,每个人的力气为M(i)。请大家从这N个人中选出若干人,如果这些人可以分成两组且两组力气之和完全相等,则称为一个合法的选法,问有多少种合法的选法?

Data Constraint

40%的数据满足:1<=M(i)<=1000;
对于100%的数据满足:2<=N<=20,1<=M(i)<=100000000

Solution

这道题用到了一个折半搜索,把数分成两组,这样数据的大小就变成了10,
枚举其中的一半,每一个数有0(不选),1(在1组),-1(在2组)三种情况;
记录当前枚举的数和e和状态(用二进制),
设集合sume表示和为e的所有二进制状态,每次把枚举出的二进制状态加到sume里(可以用链表),
(当然要把sum按e给hash一下)
另一半也一样,只是枚举出以后再对应sume中的每一个二进制状态,判断一下重复,

复杂度:O(3n/2?)(我也不知道,反正不会很大)

优化:很显然如果同一个sume中有两个相同的二进制状态就可以减掉一个,

Code

#include <cstdio>
#include <cstdlib>
#include <cstring>
#define fo(i,a,b) for(int i=a;i<=b;i++)
using namespace std;
const int N=22,M=1868148;
int n,m,ans,n2;
int a[N];
int er[N];
int H[M],A[M];
int B[1<<N][2],B0;
bool f[1<<N];
void join(int q,int w){B[++B0][0]=A[q];A[q]=B0,B[B0][1]=w;}
int HX(int q)
{
    int i=q%M;
    while(H[i]&&H[i]!=q)
    {
        i=(i+1);
        if(i==M)i-=M;
    }
    H[i]=q;return i;
}
void dfs1(int q,int e,int E)
{
    if(q>n)
    {
        if(e>=0)join(HX(e),E);
        return;
    }
    dfs1(q+1,e+a[q],E+er[q]);
    dfs1(q+1,e-a[q],E+er[q]);
    dfs1(q+1,e,E);
}
void dfs2(int q,int e,int E)
{
    if(q>=n2)
    {
        if(e>=0)
            {
                for(int i=A[HX(e)];i;i=B[i][0])if(!f[E+B[i][1]])
                {
                    f[E+B[i][1]]=1;
                    ans++;
                }
            }
        return;
    }
    dfs2(q+1,e+a[q],E+er[q]);
    dfs2(q+1,e-a[q],E+er[q]);
    dfs2(q+1,e,E);
}
int main()
{
    freopen("subset.in","r",stdin);
    freopen("subset.out","w",stdout); 
    int q,w;
    scanf("%d",&n);
    er[1]=1;fo(i,2,n)er[i]=er[i-1]<<1;
    fo(i,1,n)scanf("%d",&a[i]);
    n2=(n+1)/2;
    dfs1(n2,0,0);
    memset(f,255,sizeof(f));
    fo(i,0,M-1)if(A[i])
    {
        q=0;
        for(int j=A[i];j;j=B[j][0])
        {
            if(f[B[j][1]]==i)
            {
                if(q)B[q][0]=B[j][0];
            }
            f[B[j][1]]=i;
            q=j;
        }
    }
    memset(f,0,sizeof(f));
    dfs2(1,0,0);
    ans=ans-1;
    printf("%d\n",ans);
    return 0;
}
一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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