BNU 0814 A. Team building

本文解析了一个关于团队构建的编程竞赛题目。通过构建图的方式找出人员的最佳组合,最小化及最大化团队数量。文章详细介绍了算法思路,并附上了实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Ufa SATU contest. Petrozavodsk training camp. Summer 2009


【我会说这道题我WA了一夜么……因为在寻找单纯环的时候没处理好预处理 && max 找错了……


❤题意

找一个队的人。每个人心里都有一个自己认为最好的人【别人 or 自己】。如果你查找一个人,他还不属于任何development team,那么你得为他建立一个新的development team。他认为最好的那个人得和他一组。

问,最少有几组,最多有几组development team。


❤思路

最多的情况就是,成环的人一组【除去爪】。剩下的人一个人一组。

最少的情况是是,单纯成环的人一组。如果一个环上有爪,只有一个爪能与这个环的人同在一组。剩下的成链的人一组。自己和自己单纯成环的就单记了。


存的时候存成指向性,就是第 i 个认为谁最好,就指向谁。没有被指向的,就相当于没有入度。

从没有入度的点找起。【要记录单纯的环的个数】。搜了一遍后,再从未被遍历的点找起。一定只剩下单纯的环。


我的代码写挫了。暂时不想写第二遍了。凑合看吧……

而且写得比较麻烦。貌似有牛人写得超级简单的样子。


#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
#define N 100010

int n,vis[N],po[N],cnt[N];
int counthuan,countline;
int countluan;
int len,lenx;
int endd;
int soumin(int x,int y,int ma){
    if(vis[po[x]]==1&&po[x]==y){
        vis[x]=1;
        counthuan=y;
        lenx=lenx+len+1;
        return 1;
    }
    else if(vis[po[x]]==1&&po[x]!=y){
        vis[x]=1;
        counthuan=y;
        countluan=1;
        endd=x;
        return 1;
    }
    else if(po[x]==0){
        vis[x]=1;
        countline=y;
            return 1;
    }
    else if(vis[po[x]]==2){
        vis[x]=1;
        countline=y;
        return 1;
    }
    else if(vis[po[x]]==3){
        vis[x]=1;
        countline=y;
        return 1;
    }
    else {
        vis[x]=1;
        len++;
        soumin(po[x],y,ma);
    }

}


int main(){
    while(scanf("%d",&n)!=EOF){
        int i,j;
        memset(vis,0,sizeof(vis));
        memset(po,0,sizeof(po));
        memset(cnt,0,sizeof(cnt));
        int max=0;
        for(i=1;i<=n;i++){
            scanf("%d",&j);
            if(max<j){max=j;}
            if(i!=j){
                po[i]=j;
                cnt[j]++;
            }
            else{
                po[i]=0;
            }
        }
        if(max<n) max=n;
        int ans1=0,ans2=0,cntt2;
        int xxx=0;
        lenx=0;
        for(i=1;i<=n;i++){
            counthuan=0;
            countline=0;
            countluan=0;
            len=0;
            //从没有入度的点找起。不是单链,就是自己只想自己,要不就是环上的爪。因为单纯成环的点都有入度。
            if(!cnt[i]){
                if(soumin(i,i,0))
                    ans1++;
                if(counthuan!=0&&countluan==0){
                    xxx++;
                    while(vis[po[counthuan]]!=2){
                        vis[counthuan]=2;
                        counthuan=po[counthuan];
                    }
                    vis[counthuan]=2;
                }
                else if(counthuan!=0&&countluan!=0){
                    while(vis[po[endd]]!=2){
                        vis[endd]=2;
                        lenx++;
                        endd=po[endd];
                    }
                    vis[endd]=2;
                    lenx++;
                    xxx++;
                    while(vis[po[counthuan]]!=2){
                        vis[counthuan]=2;
                        counthuan=po[counthuan];
                    }
                    vis[counthuan]=2;
                }
                if(countline!=0){
                    while(1){
                        vis[countline]=3;
                        countline=po[countline];
                        if(vis[countline]>1||countline==0){
                            break;
                        }
                    }
                }
            }
        }
        //寻找剩下的没又被遍历的点,一定都是构成单纯的环
        for(i=1;i<=n;i++){
            counthuan=0;
            len=0;
            if(vis[i]==0){
                if(soumin(i,i,0)){
                    ans1++;
                    xxx++;
                }
                if(counthuan!=0){
                    while(vis[po[counthuan]]!=2){
                        vis[counthuan]=2;
                        counthuan=po[counthuan];
                    }
                    vis[counthuan]=2;
                }

            }
        }
    
        ans2=xxx+(max-lenx);
        printf("%d %d\n",ans1,ans2);
    }
    return 0;
}





内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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