uval 1099 Work Scheduling(一般图最大匹配)

本文深入探讨了一般图匹配问题的解决策略,特别是在存在奇数环的情况下如何进行节点压缩,以实现最大匹配。通过详细解释并查集、最近公共祖先等关键概念,提供了一个能够求解最大匹配及匹配方案的算法实现。
Description

There is a certain amount of night guards that are available to protect the local junkyard from possible junk robberies. These guards need to be scheduled in pairs so that each pair guards in a different night. The junkyard CEO ordered you to write a program which given the guards characteristics determines the maximum amount of scheduled guards (the rest will be fired). Please note that each guard can be scheduled with only one of his colleagues and no guard can work alone.

Input

The first line of the input contains one number N ≤ 222 which is a number of night guards. Unlimited number of lines consisting of unordered pairs (i, j) follow, each such pair means that guard #i and guard #j can work together, because it is possible to find uniforms that suit both of them (The junkyard uses different parts of uniforms for different guards i.e. helmets, pants, jackets. It is impossible to put small helmet on a guard with a big head or big shoes on guard with small feet). The input ends with Eof.

Output

You should output one possible optimal assignment. On the first line of the output write the even number C, the amount of scheduled guards. Then output C/2 lines, each containing 2 integers (i, j) that denote that i and j will work together.
Sample

input

3
1 2
2 3
1 3

output

2
1 2


题意

一般图匹配模板题,求最大匹配及匹配的一种方案,n个点,边输入到文件结束

思路

本文章供回忆,甚看
英语太渣看不懂论文,加权的是无望了,看这篇博客了解思想,还是太菜无法根据思想敲出代码,照着网上的代码敲了一个链式前向星存图代码,改了点东西。

一般图如果存在带奇数个点的环,那么环中任意一点找到环外的匹配则全部匹配,所以将奇环缩点。
手模一下更易于理解虽然很麻烦。(A点开始


#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;

const int N = 230;

int first[N], tot = 0;
struct Edge
{
    int v, next;
}e[N*N*2];

void add_edge(int u, int v)
{
    e[tot].v = v;
    e[tot].next = first[u];
    first[u] = tot++;
}

int n, match[N];
int nxt[N], mark[N], vis[N], par[N];
int que[N], index;

int sear(int x) // 并查集
{
    return par[x] == x ? x : par[x] = sear(par[x]);
}

void unit(int a, int b) // 合并
{
    a = sear(a); b = sear(b);
    if(a != b) par[a] = b;
}

int lca(int u, int v) // 找最近公共祖先
{
    static int t = 0;
    ++t;
    while(1)
    {
        if(u != -1)
        {
            u = sear(u);
            if(vis[u] == t) return u;
            vis[u] = t;
            if(match[u] != -1) u = nxt[match[u]];
            else u = -1;
        }
        swap(u,v);
    }
}

void group(int a, int p)
{
    while(a != p)
    {
        // b 不存在为-1的情况,如果存在则交替串长为3, u = p, v 存在匹配, 所以不存在
        int b = match[a], c = nxt[b];

        if(sear(c) != p) nxt[c] = b;
        // 标记为1 的已经找过,查找花内标记为2的值
        if(mark[b] == 2) mark[que[index++] = b] = 1;
        if(mark[c] == 2) mark[que[index++] = c] = 1;

        unit(a,b); // 合并指向p结点
        unit(b,c);
        a = c; // 递归
    }
}

bool augmented(int s)
{
    for(int i = 1; i <= n; ++i) nxt[i] = vis[i] = -1, par[i] = i, mark[i] = 0;
    mark[s] = 1;
    que[0] = s;
    index = 1;

    for(int i = 0; match[s] == -1 && i < index; ++i)
    {
        int u = que[i];
        for(int j = first[u]; ~j; j = e[j].next)
        {
            int v = e[j].v;
            if(match[u] == v) continue; // 已经匹配忽略
            if(sear(u) == sear(v)) continue; // 同一朵花忽略
            if(mark[v] == 2) continue; // T型点忽略
            /*
            if(mark[v] == 1) // 奇环缩点至p
            {
                int p = lca(u,v);
                if(sear(u) != p) nxt[u] = v; // 不在花内
                if(sear(v) != p) nxt[v] = u;
                group(u,p); // 缩点 u-p
                group(v,p);
            }
            */
            if(mark[v] == 1) // 奇环缩点至p
            {
//                与网上的模板不同,本人不保证其正确性,但能ac ural1099
//                感觉加了会快点点,因为花上再套一个花,重叠部分不需要更新,并且u与v的nxt合并时间应该无关紧要
                int p = lca(u,v);
                if(sear(u) != p) nxt[u] = v, group(u,p); // 不在花内
                if(sear(v) != p) nxt[v] = u, group(v,p);
            }
            else if(match[v] == -1) // 增广
            {
                nxt[v] = u;
                for(int y = v; ~y;)
                {
                    int x = nxt[y];
                    int mx = match[x];
                    match[x] = y, match[y] = x;
                    y = mx;
                }
                break;
            }
            else // 交叉链加上v+match[v] 继续寻找
            {
                nxt[v] = u;
                mark[que[index++] = match[v]] = 1;
                mark[v] = 2;
            }
        }
    }
    if(match[s] != -1) return 1;
    return 0;
}

bool g[N][N]; // 怕边太多去重
int main()
{
    scanf("%d",&n);
    int x, y, sum = 0;
    tot = 0;
    memset(first,-1,sizeof(first));
    while(~scanf("%d%d",&x,&y)) if(g[x][y] == 0) add_edge(x,y), add_edge(y,x), g[x][y] = g[y][x] = 1;

    memset(match,-1,sizeof(match));
    for(int i = 1; i <= n; ++i) if(match[i] == -1 && augmented(i)) sum += 2;
    printf("%d\n",sum);
    for(int i = 1; i <= n; ++i) if(match[i] > i) printf("%d %d\n",i,match[i]);
    return 0;
}
使用VBA实现下面的功能: 1. Excel 版本为 2016版,处理大数据量。工作表事件代码与主代码分开显示。 2. 打开的Excel含有History.Cost 和 DataBase 两个工作表,下述History.Cost工作表简称为HC表,DataBase工作表简称为DB表。 3. HC表作为日常操作表格,数据经常会变动。其中第E、F、G、U、W、AF、AI列均为数字输入,空值默认为0,如果有非数字输入则提示报错。 4. DB表作为基础数据表格,只需每次打开工作表的时候加载所需数据即可。 5. HC表的A列和B列进行重复单元格标示,即只要A列和B列区域有重复数据,就用颜色(250,128,114)对重复的单元格进行标示。 6. HC表的A列和B列单元格有新数据录入后,自动更新重复标示功能。 7. 从HC表的第2行开始,判断A列是否有数据,如过有数据,则开始对HC表第2行开始的需要赋值的各列按下列规则赋值 7.1 使用HC表I列的数据对DB表B列进行数据查询 7.2 使用HC表E列的数据对DB表C列进行数据查询 7.3 记录同时符合7.1和7.2规则的DB表D列至R列的数据 7.4 每次点击文件保存按钮时,启动赋值规则。 8. HC表第J列(重量计算)赋值规则: 8.1 计算HC表E列和H列的乘积 8.2 将J列赋值为规则7.3记录数据的DB表D列与规则8.1的乘积 9. HC表第L列(重量单价)赋值规则: 9.1 将L列赋值为规则7.3记录数据的DB表E列数据 10. HC表第M列(材料费用)赋值规则: 10.1 调取规则7.3记录数据的DB表H列数据 10.2 如果规则10.1数据为字符W,M列赋值为HC表J列、K列和L列的乘积 10.3 如果规则10.1数据为字符S,M列赋值为HC表H列、K列和L列的乘积 11. HC表第N列(喷涂单价)赋值规则: 11.1 判断HC表C列内是否含有NPT字符 11.2 判断HC表P列内是否有数值 11.3 如果规则11.1或规则11.2 任一判断为真,则N列赋值为0; 11.4 如果规则11.3不成立,则N列赋值为规则7.3记录数据的DB表F列数据 12. HC表第O列(喷涂费)赋值规则: 12.1 计算HC表第G列除以1000后的值 12.2 如果HC表B列不为空,则运行规则12.3;如果HC表B列为空,则运行规则12.4 12.3 使用HC表B列数据对DB表Y列进行数据匹配,如果有匹配结果,则返回DB表AB列数据,并将HC表O列赋值为规则12.1与DB表AB列数据的乘积。如果没有匹配结果则运行规则12.4 12.4 使用HC表C列数据对DB表Y列进行数据匹配,如果有匹配结果,则返回DB表AB列数据,并将HC表O列赋值为规则12.1与DB表AB列数据的乘积。如果没有匹配结果则运行规则12.5 12.5 如果规则12.3与规则12.4均没有匹配结果,将HC表O列赋值为HC表H列与N列的乘积 13. HC表第T列(激光切割单价)赋值规则: 13.1 将HC表T列赋值为规则7.3记录数据的DB表I列数据 14. HC表第V列(切割费)赋值规则: 14.1 计算HC表T列与HC表U列的乘积 14.2 如果HC表B列不为空,则运行规则14.3;如果HC表B列为空,则运行规则14.4 14.3 使用HC表B列数据对DB表Y列进行数据匹配,如果有匹配结果,则返回DB表AC列数据,并将HC表V列赋值为规则14.1与DB表AC列数据之和。如果没有匹配结果则运行规则14.4 14.4 使用HC表C列数据对DB表Y列进行数据匹配,如果有匹配结果,则返回DB表AC列数据,并将HC表V列赋值为规则14.1与DB表AC列数据之和。如果没有匹配结果则运行规则14.5 14.5 如果规则12.3与规则12.4均没有匹配结果,将HC表V列赋值为规则14.1的计算结果 15. HC表第X列(折弯单价)赋值规则: 15.1 HC表W列大于零,运行此赋值规则 15.2 规定DB表第S列的各行为以下数值500、1000、2000、3000、3200、3300中的任意一个 15.3 如果HC表第F列和G列均有数据,用变量名MAXL记录F列与G列的最大值;否则将HC表X列赋值为0 15.4 使用规则MAXL与规则15.2的所列数值进行比较,并按下列比较规则记录比较结果: 15.4.1 MAXL<=500,记录所有DB表S列数据为500的DB表T列与U列数据 15.4.2 500<MAXL<=1000,记录所有DB表S列数据为1000的DB表T列与U列数据 15.4.3 1000<MAXL<=2000,记录所有DB表S列数据为2000的DB表T列与U列数据 15.4.4 2000<MAXL<=3000,记录所有DB表S列数据为3000的DB表T列与U列数据 15.4.5 3000<MAXL<=3200,记录所有DB表S列数据为3200的DB表T列与U列数据 15.4.6 MAXL>3200,记录所有DB表S列数据为3300的DB表T列与U列数据 15.5 使用HC表的E列对规则15.4所记录数据的DB表T进行数据匹配匹配成功后返回DB表U列的数据 15.6 HC表X列赋值为MAXL与规则15.5返回数据的乘积 16. HC表第Z列(购买件费用)赋值规则: 16.1 计算HC表第G列除以1000后的值 16.2 如果HC表B列不为空,则运行规则16.3;如果HC表B列为空,则运行规则16.5 16.3 使用HC表B列数据对DB表W列进行数据匹配,如有匹配结果,则HC表Z列赋值为DB表X列数据。如果没有匹配结果,则继续运行规则16.3 16.4 使用HC表B列数据对DB表AA列进行数据匹配,如有匹配结果,则HC表Z列赋值为规则16.1计算数值DB表AB列数据的乘积。如果没有匹配结果,则继续运行规则16.5 16.5 使用HC表C列数据对DB表W列进行数据匹配,如有匹配结果,则HC表Z列赋值为DB表X列数据。如果没有匹配结果,则继续运行规则16.6 16.6 使用HC表C列数据对DB表AA列进行数据匹配,如有匹配结果,则HC表Z列赋值为规则16.1计算数值DB表AB列数据的乘积。如果没有匹配结果,则赋值为0 17. HC表第AC列(焊接单价)赋值规则: 17.1 使用HC表AB列数据对DB表AF列进行数据匹配,HC表AC列赋值为DB表AG列的返回数据 18. HC表第AG列(激光穿孔)赋值规则: 18.1 HC表AG列赋值为规则7.3记录数据的DB表J列数据 19. HC表第AJ列(钳工单价)赋值规则: 19.1 使用HC表AI列数据对DB表K1至R1进行数据匹配 19.2 HC表AJ列赋值为规则19.1所匹配列和7.3记录数据的DB表匹配结果 20. HC表第AL列赋值规则: 20.1 判断HC表C列内是否含有Deck字符,如有则返回规则7.3记录数据的DB表H列的数据;如不含有Deck字符,则赋值为0
07-26
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
本项目是一个基于STM32的人脸识别系统,利用OPENCV库进行图像处理,采用QT作为图形界面开发。该系统具备人脸采集、图片训练、数据库管理及人脸识别等功能,能够长时间稳定运行,并提供了统一的接口以便进行二次开发。 功能特点 人脸采集:系统能够从视频图像中采集人脸数据。 图片训练:通过提取人脸特征进行训练,提高识别准确性。 数据库管理:管理人脸数据,便于后续的识别和处理。 人脸识别:实现对人脸的检测与识别,适用于多种应用场景。 技术原理 本系统采用基于OPENCV的级联分类检测器,通过视频图像提取人脸特征进行训练。主要技术包括: 光线补偿技术:对图像进行补光处理,提高图像质量。 高斯平滑技术:消除图像噪声,提升图像清晰度。 二值化技术:采用局部阈值进行二值化处理,便于后续的人脸定位和特征提取。 应用场景 人脸识别技术在图像处理与视频检索、视频监控、视频显示等方面具有广泛的应用。本系统适用于以下场景: 安全监控:在公共场所进行人脸识别,提高安全监控效率。 身份验证:用于门禁系统、考勤系统等身份验证场景。 智能交互:在智能家居、智能终端等设备中实现人脸识别交互。 开发环境 硬件平台:STM32微控制器 软件平台:OPENCV库、QT图形界面开发工具 使用说明 环境搭建:确保STM32开发环境及OPENCV、QT库已正确安装。 代码编译:按照提供的Makefile文件进行代码编译。 系统运行:将编译后的程序烧录到STM32开发板,启动系统。 功能测试:通过QT界面进行人脸采集、训练和识别功能测试。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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