网络流24题-魔术球问题

魔术球问题

时空限制1000ms / 128MB

题目描述

«问题描述:

假设有n根柱子,现要按下述规则在这n根柱子中依次放入编号为1,2,3,...的球。

(1)每次只能在某根柱子的最上面放球。

(2)在同一根柱子中,任何2个相邻球的编号之和为完全平方数。

试设计一个算法,计算出在n根柱子上最多能放多少个球。例如,在4 根柱子上最多可放11 个球。

«编程任务:

对于给定的n,计算在n根柱子上最多能放多少个球。

输入输出格式

输入格式:

 

第1 行有1个正整数n,表示柱子数。

 

输出格式:

 

程序运行结束时,将n 根柱子上最多能放的球数以及相应的放置方案输出。文件的第一行是球数。接下来的n行,每行是一根柱子上的球的编号。

 

输入输出样例

输入样例: 
4
输出样例: 
11
1 8
2 7 9
3 6 10
4 5 11

说明

4<=n<=55


最小路径覆盖问题。

DAG的最小路径覆盖:

定义:在一个有向图中,找出最少的路径,使得这些路径经过了所有的点,且这些路径之间不会经过相同的点。

算法:把原图的每个点V拆成VxVy两个点,如果有一条有向边A->B,那么就加边Ax>By。这样就得到了一个二分图。那么最小路径覆盖=原图的结点数-新图的最大匹配数。

 

证明:一开始每个点都是独立的为一条路径,总共有n条不相交路径。我们每次在二分图里找一条匹配边就相当于把两条路径合成了一条路径,也就相当于路径数减少了1。所以找到了几条匹配边,路径数就减少了多少。所以有最小路径覆盖=原图的结点数-新图的最大匹配数。因为路径之间不能有公共点,所以加的边之间也不能有公共点,这就是匹配的定义。

 

再回来看本题,若两个球编号之和是完全平方数则连边,这样最小路径覆盖数就是柱子数。但是题目给你的是柱子数,要求球数,可以二分球数判断最少需要多少个柱子。

本题的另一个难点是输出每根柱子上球的编号,就是输出最小路径覆盖路径集合的每一条路径上的点。考虑我们是如何求最小路径覆盖的,我们一开始认为路径集合就是点集,然后找到一个匹配边,把这个边的两个点所在的集合合并成一个集合(其实就是把两条路径合并成一条路径)。因为我的最大匹配是用最大流写的,所以最后我判断某两个点是否在一条路径上,就直接判断它们的反向边是否有流量(注意这里的两个点并不是任意的两个点,而是一条路径上相邻的两个点)。

#include<bits/stdc++.h>
#define N 3250
using namespace std;

typedef struct
{
    int v;
    long long flow;
}ss;
ss edg[N*N];
vector<int>edges[N];
int now_edges=0;
int fl[N][N];

void init()
{
    for(int i=0;i<N;i++)edges[i].clear();
    now_edges=0;
}

void addedge(int u,int v,long long flow)
{
    fl[u][v]+=flow;
    edges[u].push_back(now_edges);
    edg[now_edges++]=(ss){v,flow};
    edges[v].push_back(now_edges);
    edg[now_edges++]=(ss){u,0};
}

int dis[N],S,T;

bool bfs()
{
    queue<int>q;
    q.push(S);
    memset(dis,0,sizeof(dis));
    dis[S]=1;
    
    while(!q.empty())
    {
        int now=q.front();
        q.pop();
        
        int Size=edges[now].size();
        for(int i=0;i<Size;i++)
        {
            ss e=edg[edges[now][i]];
            if(e.flow>0&&dis[e.v]==0)
            {
                dis[e.v]=dis[now]+1;
                q.push(e.v);
            }
        }
    }
    if(dis[T]==0)return 0;
    return 1;
}

int current[N];

long long dfs(int now,long long maxflow)
{
    if(now==T)return maxflow;
    
    int Size=edges[now].size();
    for(int i=current[now];i<Size;i++)
    {
        current[now]=i;
        ss &e=edg[edges[now][i]];
        if(e.flow>0&&dis[e.v]==dis[now]+1)
        {
            long long Flow=dfs(e.v,min(maxflow,e.flow));
            if(Flow!=0)
            {
                fl[now][e.v]-=Flow;
                fl[e.v][now]+=Flow;
                
                e.flow-=Flow;
                edg[edges[now][i]^1].flow+=Flow;
                return Flow;
            
            }
            
        }
        
    
    }
    return 0;
}

long long dinic()
{
     long long ans=0,flow;
    while(bfs())
    {
        memset(current,0,sizeof(current));
        while(flow=dfs(S,LLONG_MAX/2))ans+=flow;
    
    }
    return ans;
}

int f(int n)  //返回球数是n的时候的最小路径覆盖数 
{
    init();
    
    S=2*n+1;
    T=2*n+2;
    
    for(int i=1;i<=n;i++)
    {
        for(int j=i+1;j<=n;j++)
        if((int)sqrt(i+j)*(int)sqrt(i+j)==(i+j))addedge(2*i-1,2*j,1);    
        
        addedge(S,2*i-1,1);
        addedge(2*i,T,1);
    }
    
    return n-dinic();
}

int vis[N]={0};

void ff(int x,int ans) //dfs寻找每条路径上的点,由于题目的特殊性可以从小到大按顺序寻找 
{
    printf("%d ",x);
    vis[x]=1;
    
    for(int i=x+1;i<=ans;i++)
    if(fl[i*2][x*2-1])
    {
        ff(i,ans);
        break;
    }
}

int main()
{
    int n;
    scanf("%d",&n);
    
    int Left=1,Right=1600,ans=1;
    
    while(Left<=Right)
    {
        int mid=(Left+Right)/2;
        
        if(f(mid)<=n)
        {
            ans=mid;
            Left=mid+1;
        }
        else Right=mid-1;
    
    
    }
    printf("%d\n",ans);
    
    for(int i=1;i<=ans;i++)
    {
        if(!vis[i])ff(i,ans),printf("\n");;
        
    }
    
    
    return 0;
}
View Code

 

 

转载于:https://www.cnblogs.com/tian-luo/p/9521408.html

### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在学上,光流场可以表示为像素位置和时间的一阶导,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函负责计算光流场。该函接收一个像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 像处理流程 1. **初始化和预处理**:`memset`函被用来清零`opticalflow`组,它将保存计算出的光流据。同时,`output`组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函中,通过调用`cvCalcOpticalFlowLK`函实现了这一算法,该函接受前一帧和当前帧的灰度,以及窗口大小等参,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
微信小程序作为腾讯推出的一种轻型应用形式,因其便捷性与高效性,已广泛应用于日常生活中。以下为该平台的主要特性及配套资源说明: 特性方面: 操作便捷,即开即用:用户通过微信内搜索或扫描二维码即可直接使用,无需额外下载安装,减少了对手机存储空间的占用,也简化了使用流程。 多端兼容,统一开发:该平台支持在多种操作系统与设备上运行,开发者无需针对不同平台进行重复适配,可在一个统一的环境中完成开发工作。 功能丰富,接口完善:平台提供了多样化的API接口,便于开发者实现如支付功能、用户身份验证及消息通知等多样化需求。 社交整合,传播高效:小程序深度嵌入微信生态,能有效利用社交关系链,促进用户之间的互动与传播。 开发成本低,周期短:相比传统应用程序,小程序的开发投入更少,开发周期更短,有助于企业快速实现产品上线。 资源内容: “微信小程序-项目源码-原生开发框架-含效果截示例”这一资料包,提供了完整的项目源码,并基于原生开发方式构建,确保了代码的稳定性与可维护性。内容涵盖项目结构、页面设计、功能模块等关键部分,配有详细说明与注释,便于使用者迅速理解并掌握开发方法。此外,还附有多个实际运行效果的截,帮助用户直观了解功能实现情况,评估其在实际应用中的表现与价值。该资源适用于前端开发人员、技术爱好者及希望拓展业务的机构,具有较高的参考与使用价值。欢迎查阅,助力小程序开发实践。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!
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