2833 奇怪的梦境

codevs——2833 奇怪的梦境

 

 时间限制: 1 s
 空间限制: 128000 KB
 题目等级 : 黄金 Gold
 
 
 
题目描述  Description

Aiden陷入了一个奇怪的梦境:他被困在一个小房子中,墙上有很多按钮,还有一个屏幕,上面显示了一些信息。屏幕上说,要将所有按钮都按下才能出去,而又给出了一些信息,说明了某个按钮只能在另一个按钮按下之后才能按下,而没有被提及的按钮则可以在任何时候按下。可是Aiden发现屏幕上所给信息似乎有矛盾,请你来帮忙判断。

输入描述  Input Description

第一行,两个数N,M,表示有编号为1...N这N个按钮,屏幕上有M条信息。

接下来的M行,每行两个数ai,bi,表示bi按钮要在ai之后按下。所给信息可能有重复,保证ai≠bi。

输出描述  Output Description

若按钮能全部按下,则输出“o(∩_∩)o”。

若不能,第一行输出“T_T”,第二行输出因信息有矛盾而无法确认按下顺序的按钮的个数。输出不包括引号。

样例输入  Sample Input

3 3

1 2

2 3

3 2

样例输出  Sample Output

T_T

2

数据范围及提示  Data Size & Hint

对于30%的数据,保证0<N≤100。

对于50%的数据,保证0<N≤2000。

对于70%的数据,保证0<N≤5000。

对于100%的数据,保证0<N≤10000,0<M≤2.5N。

分类标签 Tags      拓扑排序 图论

思路:

这个题我感觉要判环,有拓扑排序判环的方法吗??

我问了几位大佬,他们跟我说判环的话,用tarjain,然而蒟蒻表示用tarjain判环太麻烦了(主要是代码长)

然后我就只好另求高见了。。。。

好像这个题用拓扑排序可求,我们先把给定的点连边,然后用拓扑排序删边,每删一条边我们用一个sum来记录,当我们最后把入度为一的点都删完后,发现我们没法删边了,然后我们在判断这个sum值和我们给出的n值是否相等,如果不相等,这就说明这个图中出现了环,我们也可以用这种方法判断环中点的个数,然而这只针对于存在一个环的时候,如果是多个环,我们就无法准确的求出每个环中的点的个数,只能大体的求出共有多少个点。这些存在于环中的点的个数就用n-sum来表示。

代码:

#include<queue>
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<algorithm>
#define N 25005
using namespace std;
int n,m,a,b,tot,sum;
bool flag;
int in[N],head[N];
queue<int>q;
struct Edge
{
    int from,to,next;
}edge[N];
void add(int from,int to)
{
    tot++;
    edge[tot].to=to;
    edge[tot].next=head[from];
    head[from]=tot;
}
int main()
{
    scanf("%d%d",&n,&m);
    for(int i=1;i<=m;i++)    scanf("%d%d",&a,&b),add(a,b),in[b]++;
    for(int i=1;i<=n;i++)
     if(in[i]==0) q.push(i);
    while(!q.empty())
    {
        int x=q.front();q.pop();
        sum++;
        for(int i=head[x];i;i=edge[i].next)
        {
            in[edge[i].to]--;
            if(in[edge[i].to]==0)
             q.push(edge[i].to);    
        }        
    }
    if(sum!=n) printf("T_T\n%d\n",n-sum);
    else printf("o(∩_∩)o");
    return 0;
}

 

转载于:https://www.cnblogs.com/z360/p/6978666.html

### 关于梦境算法在计算机科学中的应用和实现 #### 梦境生成算法概述 梦境生成算法作为数字化梦境工程的关键部分,利用深度学习与生成对抗网络(GANs)等先进技术创建满足个体期望的梦景内容[^1]。 #### 技术原理 - **数据收集**:为了训练有效的梦境生成模型,需先构建大规模标注好的图像库以及描述性的文本资料集。这些素材涵盖了各种可能出现在梦里的场景、物体及其组合方式。 - **特征提取**:采用卷积神经网络(CNN)或其他类型的编码器结构对输入的数据进行处理,从中抽取出高层次语义信息并形成潜在表示向量。 - **生成过程**:基于上述获得到的隐含表征,在解码阶段借助生成对抗网络或者变分自编码器(VAE)来合成新的视觉效果或故事情节片段;此过程中还会引入随机噪声以增加多样性。 ```python import torch from torchvision import models, transforms from PIL import Image # 假设已经有一个预训练过的CNN用于特征抽取 feature_extractor = models.vgg16(pretrained=True).features.eval() def extract_features(image_path): preprocess = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) img = Image.open(image_path) tensor_img = preprocess(img).unsqueeze(0) with torch.no_grad(): features = feature_extractor(tensor_img) return features.squeeze().numpy() ``` 这段Python代码展示了如何使用VGG16架构从给定图片中获取其深层特征映射,这一步骤对于后续生成逼真度较高的梦境画面至关重要。 #### 应用领域 除了娱乐行业外,此类技术还被应用于心理治疗辅助工具开发方面——帮助患者克服恐惧症或是缓解压力情绪等问题上取得了一定成效。
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