【POJ】3281 Dining

本文介绍了一个经典的网络流问题,并提供了详细的代码实现。通过构造特定的图结构来解决物品匹配问题,利用源点到汇点的路径寻找最大流,以此找到最优解。

传送门:http://poj.org/problem?id=3281

经典网络流
用容量表示每种东西只能取一次的限制
即可得一个 源-食-牛-饮-汇 的建图方法
中间三项都需要限流

#include<stdio.h>
#include<algorithm>
#include<cstring>
#define cint const int &
#define inf 2333
#define N 405
using namespace std;

int tot=1,s[N],cur[N],tm[N],ts,lev[N],Q[N],ED,n,f,d,ans;

struct edge{int v,c,n;}e[N*N];
inline void push(cint u,cint v,cint c)
{
    e[++tot]=(edge){v,c,s[u]};s[u]=tot;
    e[++tot]=(edge){u,0,s[v]};s[v]=tot;
}

inline bool bfs()
{
    memcpy(cur,s,sizeof(cur));
    tm[Q[1]=1]=++ts;
    for (int l=1,r=1;l<=r;l++) for (int i=s[Q[l]];i;i=e[i].n) if (e[i].c && tm[e[i].v]<ts)
        tm[Q[++r]=e[i].v]=ts,lev[Q[r]]=lev[Q[l]]+1;
    return tm[ED]==ts;
}

int dfs(cint u,int c)
{
    if (u==ED) return c;
    int g=0,tmp;
    for (int i=cur[u];i && c;cur[u]=i,i=e[i].n) if (tm[e[i].v]==ts && lev[e[i].v]==lev[u]+1 && e[i].c && (tmp=dfs(e[i].v,min(c,e[i].c))))
        g+=tmp,c-=tmp,e[i].c-=tmp,e[i^1].c+=tmp;
    return g;
}

int main()
{
    scanf("%d%d%d",&n,&f,&d);ED=f+2*n+d+2;
    for (int i=1;i<=f;i++) push(1,i+1,1);
    for (int i=1;i<=d;i++) push(f+2*n+1+i,ED,1);
    for (int i=1;i<=n;i++) push(f+2*i,f+2*i+1,1);
    for (int i=1,lf,ld,w;i<=n;i++)
    {
        scanf("%d%d",&lf,&ld);
        while (lf--) scanf("%d",&w),push(w+1,f+i*2,inf);
        while (ld--) scanf("%d",&w),push(f+i*2+1,f+2*n+1+w,inf);
    }
    while (bfs()) for (int rt=dfs(1,inf);rt;rt=dfs(1,inf)) ans+=rt;
    printf("%d",ans);
}
胚胎实例分割数据集 一、基础信息 • 数据集名称:胚胎实例分割数据集 • 图片数量: 训练集:219张图片 验证集:49张图片 测试集:58张图片 总计:326张图片 • 训练集:219张图片 • 验证集:49张图片 • 测试集:58张图片 • 总计:326张图片 • 分类类别: 胚胎(embryo):表示生物胚胎结构,适用于发育生物学研究。 • 胚胎(embryo):表示生物胚胎结构,适用于发育生物学研究。 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片来源于相关研究领域,格式为常见图像格式,细节清晰。 二、适用场景 • 胚胎发育AI分析系统:构建能够自动分割胚胎实例的AI模型,用于生物学研究中的形态变化追踪和量化分析。 • 医学与生物研究:在生殖医学、遗传学等领域,辅助研究人员进行胚胎结构识别、分割和发育阶段评估。 • 学术与创新研究:支持计算机视觉与生物医学的交叉学科研究,推动AI在胚胎学中的应用,助力高水平论文发表。 • 教育与实践培训:用于高校或研究机构的实验教学,帮助学生和从业者掌握实例分割技术及胚胎学知识。 三、数据集优势 • 精准与专业性:实例分割标注由领域专家完成,确保胚胎轮廓的精确性,提升模型训练的可靠性。 • 任务专用性:专注于胚胎实例分割,填补相关领域数据空白,适用于细粒度视觉分析。 • 格式兼容性:采用YOLO标注格式,易于集成到主流深度学习框架中,简化模型开发与部署流程。 • 科学价值突出:为胚胎发育研究、生命科学创新提供关键数据资源,促进AI在生物学中的实际应用。
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