BZOJ 4823 Luogu P3756 老C的方块 染色+最小割

本文深入探讨了解决特定问题的染色最小割算法。通过分析使人弃疗的方块组合,采用染色技巧和最小割理论,巧妙地解决了如何在保证花费最小的情况下消除这些组合。文章详细解释了算法步骤,包括构建图模型、定义边权和流量,以及使用dinic算法求解最小割。

题面太长了请各位自行品尝—>老C的方块

分析:

  我们要解决掉所有使人弃疗的组合,还要保证花费最小,容易想到最小割(当然你要是想费用流的话,我们就没办法定义流量了)

  我们来分析一下那些令人弃疗的组合,他们的规律:

  首先是两个和特殊边直接相邻的方块(以下简称轴方块),加上两侧各任意一个边缘方块,组成了令人弃疗的组合。

  所以我们有三种选择(准确地说其实只有两种,前两种本质一样):

  1. 将和特殊边左侧的轴方块相连的所有边缘方块都破坏掉。

  2. 将和特殊边右侧的轴方块相连的所有边缘方块都破坏掉。

  3. 破坏掉任意一个轴方块。

  我们还可以发现,特殊边两侧的部分相互独立。

  所以我们可以应用染色技巧,怎么染色?当然是按照坐标(i+j)的奇偶性将图染成两种颜色。

  之后从对于边缘方块及其轴方块,白点向黑点连边,流量为inf、

  相邻的轴方块,黑点向白点连边,容量为较小的那个的代价、

  之后S向白色边缘方块连边,容量为其代价,黑边缘方块向T连边,容量为其代价。

  跑最小割。

  细节很多,一着不慎满盘皆输!

代码:

 

 1 #include<bits/stdc++.h>
 2 #define ms(a,x) memset(a,x,sizeof(a)) 
 3 using namespace std;int tot=0;
 4 const int N=100005,inf=0x3f3f3f3f;
 5 int S,T,n,m,k,h[N],c=1,q[N],d[N];
 6 struct node{int y,z,nxt;}e[N*20];
 7 struct kuai{int x,y,w,id;}p[N];
 8 void add(int x,int y,int z){
 9     e[++c]=(node){y,z,h[x]};h[x]=c;
10     e[++c]=(node){x,0,h[y]};h[y]=c;
11 } bool bfs(){
12     int f=1,t=0;ms(d,-1);
13     q[++t]=S;d[S]=0;
14     while(f<=t){
15         int x=q[f++];
16         for(int i=h[x],y;i;i=e[i].nxt)
17         if(d[y=e[i].y]==-1&&e[i].z) 
18         d[y]=d[x]+1,q[++t]=y;
19     } return (d[T]!=-1);
20 } int dfs(int x,int f){
21     if(x==T) return f;int w,tmp=0;
22     for(int i=h[x],y;i;i=e[i].nxt)
23     if(d[y=e[i].y]==d[x]+1&&e[i].z){
24         w=dfs(y,min(e[i].z,f-tmp));
25         if(!w) d[y]=-1;e[i].z-=w;
26         e[i^1].z+=w;tmp+=w;
27         if(tmp==f) return f;
28     } return tmp;
29 } void dinic(){
30     while(bfs()) tot+=dfs(S,inf);
31 } bool cpx(kuai a,kuai b){
32     return a.x!=b.x?a.x<b.x:a.y<b.y;
33 } bool cpy(kuai a,kuai b){
34     return a.y!=b.y?a.y<b.y:a.x<b.x;
35 } int main(){
36     scanf("%d%d%d",&n,&m,&k);S=0;T=k+1;
37     for(int i=1;i<=k;p[i].id=i,i++)
38     scanf("%d%d%d",&p[i].x,&p[i].y,&p[i].w);
39     p[0].x=p[0].y=p[k+1].x=p[k+1].y=0;
40     sort(p+1,p+k+1,cpx);
41     for(int i=1;i<=k;i++)
42     if(p[i+1].x==p[i].x&&p[i+1].y==p[i].y+1){
43         if(((p[i].x+p[i].y)&1)==0)
44         add(p[i].id,p[i+1].id,inf);
45         else add(p[i+1].id,p[i].id,inf);
46     } sort(p+1,p+k+1,cpy);
47     for(int i=1,val;i<=k;i++){
48         if(p[i+1].x!=p[i].x+1||p[i+1].y!=p[i].y)
49         continue;
50         if(p[i].x%2&&p[i].y%2==((p[i].x-1)/2)%2)
51         continue;
52         if(p[i].x%2) val=min(p[i].w,p[i+1].w);
53         else val=inf;if(p[i].y%2)
54         add(p[i+1].id,p[i].id,val);
55         else add(p[i].id,p[i+1].id,val);
56     } for(int i=1;i<=k;i++)
57     if(((p[i].x-1)/2)%2==p[i].y%2){
58         if((p[i].x+p[i].y)%2==0)
59         add(S,p[i].id,p[i].w);
60         else add(p[i].id,T,p[i].w);
61     } dinic();
62     printf("%d\n",tot);return 0;
63 }
染色最小割

 

转载于:https://www.cnblogs.com/Alan-Luo/p/10251533.html

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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