(ZOJ_1586)QS Network_______最小生成树

思路:题目的大致意思是任意两个QS要互通,每两个QS互通的条件是一条光缆和两个适配器。第一想到的是最小生成树的题,但是有一点不一样,就是题目不仅给了你边权,还给了你点权。转换一下思维就好了,把任意两个QS的边权看成光缆的耗费和两个QS的适配器的耗费即可。

代码:

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
#define inf 0x3f3f3f
int edge[1009][1009];
int dis[1009];
bool vis[1009];
int adp[1009];  //适配器的耗费
int n;
int prime()
{
    memset(vis,false,sizeof(vis));
    int i,j;
    for(i=1; i<=n; i++)
    {
        dis[i]=edge[1][i];
    }
    vis[1]=true;
    int minc;
    int p;
    int ans=0;
    for(i=2; i<=n; i++)
    {
        minc=inf;
        for(j=1; j<=n; j++)
            if(!vis[j]&&minc>dis[j])
                minc=dis[p=j];
        ans+=minc;
        vis[p]=true;
        for(j=1; j<=n; j++)
        {
            if(!vis[j]&&dis[j]>edge[p][j])
            {
                dis[j]=edge[p][j];
            }
        }
    }
    return ans;
}
int main()
{
    int t;
    int i,j;
    int m;
    int x,y,w;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&n);
        for(i=1; i<=n; i++)
            for(j=1; j<=n; j++)
                edge[i][j]=inf;
        for(i=1; i<=n; i++)
        {
            scanf("%d",&x);
            adp[i]=x;
        }
        for(i=1; i<=n; i++)
            for(j=1; j<=n; j++)
            {
                scanf("%d",&x);
                edge[i][j]=edge[j][i]=x+adp[i]+adp[j];  //我的思路看懂了就懂了
            }
        int ans=prime();
        printf("%d\n",ans);
    }
    return 0;
}

数据集介绍:多类别动物目标检测数据集 一、基础信息 数据集名称:多类别动物目标检测数据集 图片数量: - 训练集:6,860张图片 - 验证集:1,960张图片 - 测试集:980张图片 总计:9,800张含动态场景的动物图像 分类类别: Alpaca(羊驼)、Camel(骆驼)、Fox(狐狸)、Lion(狮子)、Mouse(鼠类)、Ostrich(鸵鸟)、Pig(猪)、Rabbit(兔子)、Rhinoceros(犀牛)、Shark(鲨鱼)、Sheep(绵羊)、Snake(蛇)、Whale(鲸鱼) 标注格式: YOLO格式标注,包含目标检测所需的归一化坐标及类别索引,适用于YOLOv5/v7/v8等系列模型训练。 数据特性: 覆盖航拍、地面视角等多种拍摄角度,包含动态行为捕捉及群体/单体目标场景。 二、适用场景 野生动物监测系统: 支持构建无人机/红外相机AI识别系统,用于自然保护区动物种群追踪与生态研究。 智慧农业管理: 适用于畜牧养殖场动物行为分析、数量统计及健康监测等自动化管理场景。 生物多样性研究: 为陆地/海洋生物分布研究提供标注数据支撑,助力濒危物种保护项目。 教育科研应用: 可作为计算机视觉课程实践素材,支持目标检测、迁移学习等AI教学实验。 三、数据集优势 跨物种覆盖全面: 包含13类陆生/水生动物,涵盖家畜、野生动物及濒危物种,支持复杂场景下的模型泛化训练。 动态场景丰富: 捕捉动物运动、群体互动等真实行为模式,提升模型对非静态目标的检测鲁棒性。 标注体系规范: 严格遵循YOLO标注标准,提供精确的边界框定位,支持即插即用的模型训练流程。 多场景适配性: 数据来源涵盖航拍影像、地面监控等多维度视角,适用于农业、生态保护、科研等跨领域应用。 类别平衡优化: 通过分层抽样保证各类别数据分布合理性,避免长尾效应影响模型性能。
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