牛客小黑月赛 F - 孤独的树

本文介绍了一种算法,通过动态规划解决给定树结构中,如何通过最少的操作次数消除节点的质因子,使得相邻节点变得互质。关键步骤包括转移方程和深度优先搜索。

链接:F - 孤独的树

题意:

给定一棵树,每次操作可以消去一个节点权值的质因子,求最小操作次数,使得树上相邻节点互质。

做法:

质因子之间互不影响,所以是可以分开看的。
如果只考虑消去某个质因子 k ,d[i][0]为不操作这个节点,使得其与子节点互质,d[i][1]为操作这个节点,使得与子节点互质。
就有转移方程:

d[x][0] += d[y][1];
d[x][1] += min(d[y][0], d[y][1]);
d[x][1] += calc(a[x], k);

从1~n遍历所有节点,如果a[i]不为1的话,就一定有可去除的质因子,那就以i为根开始进行dp,一边dp一边消去这个质因子就好了。

#include <bits/stdc++.h>
#define int long long
using namespace std;
const int N = 1e6 + 5, mod = 1e9 + 7;
int p[N];
int f[N];
int init(int n)
{
    int cnt = 0;
    for (int i = 2; i <= n; i++)
    {
        if (f[i] == 0)
        {
            f[i] = i;
            p[++cnt] = i;
        }
        for (int j = 1; j <= cnt; j++)
        {
            if (p[j] > f[i] || p[j] * i > n) break;
            f[i * p[j]] = p[j];
        }
    }
    return cnt;
}

vector<int> v[N];
int d[N][2], a[N];
int calc(int &n, int p)
{
    int ret = 0;
    while(n % p == 0)
    {
        n /= p;
        ret++;
    }
    return ret;
}
void dfs(int x, int fa, int p)
{
    d[x][0] = d[x][1] = 0;
    for (auto i : v[x])
    {
        int y = i;
        if (y == fa) continue;
        if (a[y] % p) continue; 
        dfs(y, x, p);
        d[x][0] += d[y][1];
        d[x][1] += min(d[y][0], d[y][1]);
    }
    d[x][1] += calc(a[x], p);
}
void solve()
{
    int n;
    cin >> n;
    for (int i = 1; i <= n; i++) scanf("%lld", &a[i]);
    for (int i = 1; i <= n - 1; i++)
    {
        int x, y;
        scanf("%lld%lld", &x, &y);
        v[x].emplace_back(y);
        v[y].emplace_back(x);
    }
    init(100000);
    int ans = 0;
    for (int i = 1; i <= n; i++)
    {
        while(a[i] > 1)
        {
            dfs(i, 0, f[a[i]]);
            ans += min(d[i][0], d[i][1]);
        }
    }
    cout << ans;
}
signed main()
{
    int tt = 1;
    // cin >> tt;
    while (tt--) solve();
    return 0;
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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