Tyvj1293(新姿势:次短路)

本文介绍了一种解决次短路径问题的有效算法。通过先求出最短路径,然后逐条移除最短路径中的边来寻找次短路径。具体实现包括使用SPFA算法求最短路径,并通过遍历和调整来确定次短路径。

题目链接

分析:
我一开始想了一个自己都可以hack掉的算法:
先来一个朴素spfa
之后循环与终点相连的所有边,
到达终点的距离就是dis[way[i].y]+way[i].v
统计最小的路径和次小的路径,输出答案
竟然过掉了6个点

然后我就暴力搜索,T了7个点,STO

好,我们来正经的
于是我又想了一个做法,每个点都统计一下到达该点的最小距离和次小距离
但这好像不大现实

后来我才发现,这是一道次短路的裸题
又可以学习一种新算法了

具体的做法引用一下BYVOID大牛文章里的一段话:
我们要对一个有向赋权图(无向图每条边可以看作两条相反的有向边)
的顶点S到T之间求次短路径,首先应求出S的单源最短路径
遍历有向图,标记出可以在最短路径上的边,加入集合K
然后枚举删除集合K中每条边,求从S到T的最短路径,
记录每次求出的路径长度值,其最小值就是次短路径的长度
在这里我们认为次短路径长度可以等于最短路径长度,
如果相等,也可以看作是从S到T有不止一条最短路径
如果我们规定求从S到T**大于最短路径长度**的次短路径,
则答案就是每次删边后大于原最短路径的S到T的最短路径长度的最小值

成功AC

这里写代码片
#include<cstdio>
#include<cstring>
#include<iostream>

using namespace std;

const int INF=0x33333333;
const int N=10001;
int s,t,n,m;
struct node{
    int x,y,nxt,v;
};
node way[N<<2];
int st[N],tot=0,ans1,ans2,dis[N],q[N],tou,wei,pre[N];
bool p[N];

void add(int u,int w,int z)
{
    tot++;
    way[tot].x=u;way[tot].y=w;way[tot].v=z;way[tot].nxt=st[u];st[u]=tot;
    tot++;
    way[tot].x=w;way[tot].y=u;way[tot].v=z;way[tot].nxt=st[w];st[w]=tot;
}

int spfa(int s,int t)
{
    tou=wei=0;
    q[++wei]=s;
    memset(pre,0,sizeof(pre));
    memset(dis,0x33,sizeof(dis));
    dis[s]=0;
    memset(p,1,sizeof(p));
    p[s]=0;
    do
    {
        int r=q[++tou];
        for (int i=st[r];i;i=way[i].nxt)
        {
            if (dis[way[i].y]>dis[r]+way[i].v)
            {
                dis[way[i].y]=dis[r]+way[i].v;
                pre[way[i].y]=i;
                if (p[way[i].y])
                {
                    q[++wei]=way[i].y;
                    p[way[i].y]=0;
                }
            }
        }
        p[r]=1;
    }
    while (tou<wei);
    return dis[t];
}

int spfa2(int s,int t)
{
    tou=wei=0;
    q[++wei]=s;
    memset(dis,0x33,sizeof(dis));
    dis[s]=0;
    memset(p,1,sizeof(p));
    p[s]=0;
    do
    {
        int r=q[++tou];
        for (int i=st[r];i;i=way[i].nxt)
        {
            if (dis[way[i].y]>dis[r]+way[i].v)
            {
                dis[way[i].y]=dis[r]+way[i].v;
                if (p[way[i].y])
                {
                    q[++wei]=way[i].y;
                    p[way[i].y]=0;
                }
            }
        }
        p[r]=1;
    }
    while (tou<wei);
    return dis[t];
}


int main()
{
    scanf("%d%d%d%d",&n,&m,&s,&t);
    for (int i=1;i<=m;i++)
    {
        int u,w,z;
        scanf("%d%d%d",&u,&w,&z);
        add(u,w,z);
    }
    ans1=spfa(s,t);
    if (ans1==INF) {
        printf("He lose his love\n");
        return 0;
    }
    ans2=INF;
    for (int i=t;i!=s;i=way[pre[i]].x)   //记录最短路 
    {
        int u=way[pre[i]].v;
        way[pre[i]].v=INF;
        ans2=min(ans2,spfa2(s,t));
        way[pre[i]].v=u;   //别忘了恢复值 
    }
    if (ans2==INF) printf("He will be cursed\n");
    else printf("%d\n",ans2);
    return 0;   
}

转载于:https://www.cnblogs.com/wutongtong3117/p/7673234.html

一、数据采集层:多源脸数据获取 该层负责从不同设备 / 渠道采集脸原始数据,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),采集时自动框选脸区域(通过Haar级联分类器初步定位),确保样本聚焦脸。 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 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脸,若未检测到脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到脸,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