洛谷——P1262 间谍网络

本文介绍了一种算法,用于解决如何以最小成本控制一个由多个间谍构成的网络的问题。通过排序并逐步尝试购买间谍的方式,确保能够覆盖整个网络,同时避免不必要的支出。

P1262 间谍网络

题目描述

由于外国间谍的大量渗入,国家安全正处于高度的危机之中。如果A间谍手中掌握着关于B间谍的犯罪证据,则称A可以揭发B。有些间谍收受贿赂,只要给他们一定数量的美元,他们就愿意交出手中掌握的全部情报。所以,如果我们能够收买一些间谍的话,我们就可能控制间谍网中的每一分子。因为一旦我们逮捕了一个间谍,他手中掌握的情报都将归我们所有,这样就有可能逮捕新的间谍,掌握新的情报。

我们的反间谍机关提供了一份资料,色括所有已知的受贿的间谍,以及他们愿意收受的具体数额。同时我们还知道哪些间谍手中具体掌握了哪些间谍的资料。假设总共有n个间谍(n不超过3000),每个间谍分别用1到3000的整数来标识。

请根据这份资料,判断我们是否有可能控制全部的间谍,如果可以,求出我们所需要支付的最少资金。否则,输出不能被控制的一个间谍。

输入输出格式

输入格式:

 

第一行只有一个整数n。

第二行是整数p。表示愿意被收买的人数,1≤p≤n。

接下来的p行,每行有两个整数,第一个数是一个愿意被收买的间谍的编号,第二个数表示他将会被收买的数额。这个数额不超过20000。

紧跟着一行只有一个整数r,1≤r≤8000。然后r行,每行两个正整数,表示数对(A, B),A间谍掌握B间谍的证据。

 

输出格式:

 

如果可以控制所有间谍,第一行输出YES,并在第二行输出所需要支付的贿金最小值。否则输出NO,并在第二行输出不能控制的间谍中,编号最小的间谍编号。

 

输入输出样例

输入样例#1:
【样例1】
3
2
1 10
2 100
2
1 3
2 3
【样例2】
4
2
1 100
4 200
2
1 2
3 4
输出样例#1:
【样例1】
YES
110
【样例2】
NO
3

 

错误搜索  68、、、(数据太水??!!)

思路:
我们将可以收买的间谍按价格进行排序,然后在按价格挨个更新我们能通过该间谍可以得到的间谍信息,ans+=该间谍的价格。
然后将所有的间谍买通以后,判断不能得到的间谍的信息。要求最小,那么我们用一个vist数组来记录该点的信息是否可以被得知,如果不能被得知,输出no以及当前点的编号
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<iostream>
#include<algorithm>
#define N 21000
using namespace std;
bool vis[N],vist[N];
int n,m,r,x,y,ans,tot,head[N];
int read()
{
    int x=0,f=1; char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1; ch=getchar();}
    while(ch>='0'&&ch<='9'){x=x*10+ch-'0'; ch=getchar();}
    return x*f;
}
struct A
{
    int x,c;
}a[N];
struct Edge
{
    int to,next,from;
}edge[N];
int add(int x,int y)
{
    tot++;
    edge[tot].to=y;
    edge[tot].next=head[x];
    head[x]=tot;
}
int cmp(A x,A y)
{
    return x.c<y.c;
}
int dfs(int x)
{
    vis[x]=true;vist[x]=true;
    for(int i=head[x];i;i=edge[i].next)
    {
        int t=edge[i].to;
        if(!vis[t]) dfs(t); 
    }
    vis[x];
}
int main()
{
    n=read(),m=read();
    for(int i=1;i<=m;i++) a[i].x=read(),a[i].c=read();
    sort(a+1,a+1+m,cmp);
    r=read();
    while(r--)
      x=read(),y=read(),add(x,y);
    for(int i=1;i<=m;i++)
     if(!vist[a[i].x]) dfs(a[i].x),ans+=a[i].c;
    for(int i=1;i<=n;i++)
     if(!vist[i]) { printf("NO\n%d",i); return 0;} 
    printf("YES\n%d",ans);
    return 0;
}
68分错误的思路、、、

但是这样搜索是有bag的,为什么??

我们先对于间谍编号进行排序,然后再看他是否对其他间谍有贡献,如果有就果断的收买这个间谍,但是如果我们后面有一个间谍必须要被收买,但是收买了这个间谍以后我们之前收卖的一个间谍的信息可以通过这个间谍直接得到,那样的话,我们完全就可以不收买上一个间谍。

既然这样,我们怎么搜??

我们用一个did数组来记录一个点被访问过几次,也就是说我们在后面收买一个必须被收买的间谍时,我们是否可以将这里面的所有信息全部得到,我们是否可以不再收买这个间谍。(可能说的有点含糊,我们来看一下代码吧)

 

#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<iostream>
#include<algorithm>
#define N 51000
using namespace std;
int n,m,r,x,y,tot,ans,f[N],head[N],did[N];
struct A
{
    int x,c;
}a[N];
struct Edge
{
    int to,from,next;
}edge[11000];
int read()
{
    int x=0,f=1; char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1; ch=getchar();}
    while(ch>='0'&&ch<='9'){x=x*10+ch-'0'; ch=getchar();}
    return x*f;
}
int add(int x,int y)
{
    tot++;
    edge[tot].to=y;
    edge[tot].next=head[x];
    head[x]=tot;
}
int cmp(A a,A b)
{
    return a.c<b.c;
}
int dfs(int x,int fa)
{
    if(f[x]) did[f[x]]--;
    f[x]=fa; did[fa]++;
    for(int i=head[x];i;i=edge[i].next)
     if(f[edge[i].to]!=fa) dfs(edge[i].to,fa);
}
int main()
{
    n=read(),m=read();
    for(int i=1;i<=m;i++) a[i].x=read(),a[i].c=read();
    sort(a+1,a+1+m,cmp);r=read();
    while(r--) x=read(),y=read(),add(x,y);
    for(int i=1;i<=m;i++)
     if(f[a[i].x])
     {
         for(int j=head[a[i].x];j;j=edge[j].next)
          if(!f[edge[j].to]) {dfs(a[i].x,i); break;}
     }
     else dfs(a[i].x,i);
    for(int i=1;i<=n;i++)
     if(!f[i])
     {
         printf("NO\n%d\n",i);
         return 0;
     }
    for(int i=1;i<=m;i++)
     if(did[i]) ans+=a[i].c;
    printf("YES\n%d\n",ans);
    return  0;
}

 

 

转载于:https://www.cnblogs.com/z360/p/7492232.html

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,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),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 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: 支持批量导入本地人脸图像文件(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” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(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 人脸有效性校验: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人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,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),采集完成后自动按 “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