2017 Multi-University Training Contest - Team 6:Gameia

本文探讨了一个名为Gameia的游戏,分析了Alice和Bob如何通过轮流向树的不同节点上色来进行博弈。文章提出了一种策略,即如果Bob能将树分割成两两匹配的点对,则可能获胜;否则,Alice将胜出。
HDU 6105 Gameia
Alice and Bob 正在玩一个游戏叫做Gameia,这个游戏是这样的。
0:起初这里有一棵树所有的节点都没被上色。
1:因为Bob是VIP玩家,因此Bob有K次机会在游戏的任何时刻去树上做一个小的改变。无论是在Alice操作前还是后,
这些机会可以连续使用或者是分开使用,改变是瞬时完成的,每一个改变被定义为切断树上的一条边。
2.在游戏开始后,Alice和Bob轮流给未着色的节点上色,Alice先手,Bob后手。
3.当Alice移动的时候,他可以把一个没有着色的节点涂上白色。
4.当Bob移动的时候,他可以把一个没有着色的节点涂上黑色。此外,与该几点相连的其他节点不管这些节点有没有被上
成白色,这些节点都会变成黑色。
5.当谁不能移动了,游戏就结束了,所有的节点都被上色了。如果他们不能找到一个节点是白色的,Alice赢,否则Bob赢。

给出起始的树,询问谁会赢得最后的比赛。


官方题解:

  • 如果Bob能把这棵树分成若干两个一组的点对,那么Bob取得胜利,否则Alice获胜。
  • 如果原树不存在两两匹配的方案,Alice从树叶开始,每次都染树叶父节点,Bob被迫只能不断的染叶子,Bob退化成一般玩家,因为Bob做不做小动作都不会逆转局势,总会出现一个时间点Bob没办法跟上Alice的节奏而让Alice染到一个周围都已被染色的孤立点(因为原树不存在两两匹配的方案)
  • 如果原树存在两两匹配的方案,而且Bob的小动作次数也足以把原树分成两两的点对,那么Bob显然获胜。
  • 如果原树存在两两匹配的方案,而Bob的小动作不足以把树分成两两的点对,Alice一定获胜,因为每次染某个叶子节点(该节点为其父节点的唯一子节点),Alice总能迫使Bob不断的做小动作以保证剩下的树不会出现奇数节点的树,且每次小动作割出一个点对(包含Alice刚染的点),最后有两种情况。
  • 出现某个结点有>=2个子节点为叶子节点。Alice染这个点,Bob跟不上Alice的节奏,出现孤点,Ailice取胜
  • 否则整个过程一定会持续到树被染光或者Bob被Alice掏空导致做不了小动作进而被迫割出一块size为奇数的子树(这棵树显然没办法两两匹配)而败北。
  • Bob被允许“任意时刻”做小动作看似很厉害其实很鸡肋,把问题改成“Bob只能在游戏开始之前做小动作”会得到同样的结论。
  • “氪不改命,玄不救非”


#include <iostream>
#include <stdio.h>
#include <string.h>
#include <vector>

using namespace std;

const int maxn = 600;
vector<int>node[maxn];
int treeSize[maxn];
int vis[maxn];
bool isBob;
void dfs(int now,int father)
{
    treeSize[now] = 1;
    for(int i = 0; i < node[now].size(); i++)
    {
        int v = node[now][i];
        dfs(v,now);
        if(treeSize[v]==1 && vis[now]==0)
        {
            vis[v] = vis[now] = 1;
            treeSize[now] = 0;
        }
        else if(treeSize[v]==1 && vis[now]==1)
        {
            isBob = false;
        }
    }
}
int main()
{
    int t,n,k,father;;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d%d",&n,&k);
        for(int i = 0; i <= n; i++)
                node[i].clear();
        for(int i = 2; i <= n; i++)
        {
            scanf("%d",&father);
            node[father].push_back(i);
        }
        if(n%2)
        {
            printf("Alice\n");
        }
        else
        {
            memset(vis,0,sizeof(vis));
            isBob = true;
            vis[0] = 1;
            dfs(1,0);
            if(isBob)
            {
                for(int i = 1; i <= n; i++)
                    if(vis[i]==0)
                        isBob = false;
            }
            if(k < n/2-1)
                isBob = false;
            if(isBob)
                printf("Bob\n");
            else
                printf("Alice\n");
        }
    }
    return 0;
}


### 光流法C++源代码解析与应用 #### 光流法原理 光流法是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速度。在数学上,光流场可以表示为像素位置时间的阶导数,即Ex、Ey(空间梯度)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`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey``Et`分别代表沿x轴、y轴时间轴的像素强度变化;`gray1``gray2`用于存储当前帧帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每像素点进行处理,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效率。 3. **光流向量计算**:通过比较当前帧帧的灰度值,计算出每个像素点的Ex、EyEt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`数组中。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`数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`函数将当前帧复制到`prevframe`中,为下次迭代做准备。 #### 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`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这算法,该函数接受前当前帧的灰度图,以及窗口大小等参数,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。通过深入理解优化光流算法,可以进步提升视频分析的准确性实时性能。 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,能够有效捕捉理解动态场景中的运动信息
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