bzoj1977 [BeiJing2010组队]次小生成树 Tree (lca+倍增)

本文解析了求解次小生成树的问题,并提供了一种基于倍增法的解决方案。通过预处理最大值和次大值,高效求解无向图中严格次小生成树的边权和。

bzoj1977 [BeiJing2010组队]次小生成树 Tree

原题地址http://www.lydsy.com/JudgeOnline/problem.php?id=1977

题意:
小 P 说,让小 C 求出一个无向图的次小生成树,而且这个次小生成树还得是严格次小的,也就是说: 如果最小生成树选择的边集是 E M ,严格次小生成树选择的边集是 E S ,那么需要满足:这里写图片描述
(value(e) 表示边 e的权值)
这下小 C 蒙了,他找到了你,希望你帮他解决这个问题。

Input
第一行包含两个整数N 和M,表示无向图的点数与边数。 接下来 M行,每行 3个数x y z 表示,点 x 和点y之间有一条边,边的权值为z。

Output

包含一行,仅一个数,表示严格次小生成树的边权和。(数据保证必定存在严格次小生成树)

Sample Input
5 6
1 2 1
1 3 2
2 4 3
3 5 4
3 4 3
4 5 6

Sample Output
11

数据范围
给出的图为无向图且无自环
N≤100 000 M≤300 000 ,边权值非负且不超过 10^9 。

题解:
(刚发现NOIP考纲上有次小生成树,赶紧来刷掉这道水题)

倍增存向上2^p步内的最大值和严格次大值,及2^p步后跳到的点。

造好最小生成树后枚举不在最小生成树上的边 i,查询在最小生成树上 ui,vi这两个点的路径上不等于 wi 的最大值mx,就在跳祖先求lca时一段一段地更新这个mx。
最后可以求得一个最小增量 mn=min(wi-mxi)

求得 次小生成树上的权值和=最小生成树上权值和 + 最小增量

代码:

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
#include<vector>
#define LL long long
using namespace std;
const int N=100005;
const int M=300005;
const int P=18;
const int inf=0x3f3f3f3f;
vector<int> V;
int n,m,fa[N],head[N],to[2*N],nxt[2*N],dep[N],anc[N][P+1],num=0;
LL w[2*N],val[N][P+1][2],mn;
struct edge
{
    int u,v;
    LL w;
}E[M];
bool cmp(const edge &A,const edge &B)
{
    return A.w<B.w;
}
int getfa(int x)
{
    if(fa[x]==x) return x;
    else return fa[x]=getfa(fa[x]);
}
void build(int u,int v,LL ww)
{
    num++;
    to[num]=v;
    nxt[num]=head[u];
    w[num]=ww;
    head[u]=num;
}
void dfs(int u,int f,LL ww)
{
    anc[u][0]=f;
    val[u][0][0]=ww;
    val[u][0][1]=-inf;
    for(int i=1;i<P;i++)
    {
        anc[u][i]=anc[anc[u][i-1]][i-1];
        val[u][i][0]=max(val[u][i-1][0],val[anc[u][i-1]][i-1][0]);
        if(val[u][i-1][0]!=val[anc[u][i-1]][i-1][0])
        val[u][i][1]=min(val[u][i-1][0],val[anc[u][i-1]][i-1][0]);
        else
        val[u][i][1]=max(val[u][i-1][1],val[anc[u][i-1]][i-1][1]);
    }
    for(int i=head[u];i;i=nxt[i])
    {
        int v=to[i];
        if(v==f) continue;
        dep[v]=dep[u]+1;
        dfs(v,u,w[i]);
    }   
}
void query(int u,int v,LL ww)
{
    LL mx=-inf;
    if(dep[u]<dep[v]) swap(u,v);
    int d=dep[u]-dep[v];
    for(int i=0;d;d>>=1,i++)
    {
        if(d&1) 
        {
            u=anc[u][i];
            LL vv=(val[u][i][0]==ww)? val[u][i][1]:val[u][i][0];
            mx=max(mx,vv);
        }
    }
    for(int i=P-1;i>=0;i--)
    {
        if(anc[u][i]!=anc[v][i])
        {
            LL vv=(val[u][i][0]==ww)? val[u][i][1]:val[u][i][0];
            mx=max(mx,vv);
            vv=(val[v][i][0]==ww)? val[v][i][1]:val[v][i][0];
            mx=max(mx,vv);
            u=anc[u][i]; v=anc[v][i];
        }
    }
    if(val[u][0][0]!=ww) mx=max(mx,val[u][0][0]);
    if(val[v][0][0]!=ww) mx=max(mx,val[v][0][0]);
    mn=min(mn,ww-mx);
}
int main()
{
    memset(head,0,sizeof(head)); num=0;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=m;i++)
    scanf("%d%d%lld",&E[i].u,&E[i].v,&E[i].w);
    sort(E+1,E+m+1,cmp);
    for(int i=1;i<=n;i++) fa[i]=i;
    int cnt=0;
    LL sum=0;

    for(int i=1;i<=m;i++)
    {
        int u=E[i].u; int v=E[i].v;
        int fx=getfa(u); int fy=getfa(v);
        if(fx==fy) V.push_back(i);
        else 
        {
            fa[fx]=fy; sum+=E[i].w;
            build(u,v,E[i].w); build(v,u,E[i].w);
        }
    }
    dep[1]=0;
    dfs(1,0,0);
    int sz=V.size();
    mn=inf;
    for(int i=0;i<sz;i++)
    {
        int u=E[V[i]].u; int v=E[V[i]].v; LL ww=E[V[i]].w;     
        query(u,v,ww);
    }
    printf("%lld\n",sum+mn);

    return 0;
}

//我今天很开心(ノ≧∀≦)ノ

Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率内容概要:本文围绕Matlab在电力系统优化与控制领域的应用展开,重点介绍了基于粒子群优化算法(PSO)和鲁棒MPPT控制器提升光伏并网效率的技术方案。通过Matlab代码实现,结合智能优化算法与先进控制策略,对光伏发电系统的最大功率点跟踪进行优化,有效提高了系统在不同光照条件下的能量转换效率和并网稳定性。同时,文档还涵盖了多种电力系统应用场景,如微电网调度、储能配置、鲁棒控制等,展示了Matlab在科研复现与工程仿真中的强大能力。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事新能源系统开发的工程师;尤其适合关注光伏并网技术、智能优化算法应用与MPPT控制策略研究的专业人士。; 使用场景及目标:①利用粒子群算法优化光伏系统MPPT控制器参数,提升动态响应速度与稳态精度;②研究鲁棒控制策略在光伏并网系统中的抗干扰能力;③复现已发表的高水平论文(如EI、SCI)中的仿真案例,支撑科研项目与学术写作。; 阅读建议:建议结合文中提供的Matlab代码与Simulink模型进行实践操作,重点关注算法实现细节与系统参数设置,同时参考链接中的完整资源下载以获取更多复现实例,加深对优化算法与控制系统设计的理解。
题目描述 有一个 $n$ 个点的棋盘,每个点上有一个数字 $a_i$,你需要从 $(1,1)$ 走到 $(n,n)$,每次只能往右或往下走,每个格子只能经过一次,路径上的数字和为 $S$。定义一个点 $(x,y)$ 的权值为 $a_x+a_y$,求所有满足条件的路径中,所有点的权值和的最小值。 输入格式 第一行一个整数 $n$。 接下来 $n$ 行,每行 $n$ 个整数,表示棋盘上每个点的数字。 输出格式 输出一个整数,表示所有满足条件的路径中,所有点的权值和的最小值。 数据范围 $1\leq n\leq 300$ 输入样例 3 1 2 3 4 5 6 7 8 9 输出样例 25 算法1 (树形dp) $O(n^3)$ 我们可以先将所有点的权值求出来,然后将其看作是一个有权值的图,问题就转化为了在这个图中求从 $(1,1)$ 到 $(n,n)$ 的所有路径中,所有点的权值和的最小值。 我们可以使用树形dp来解决这个问题,具体来说,我们可以将这个图看作是一棵树,每个点的父节点是它的前驱或者后继,然后我们从根节点开始,依次向下遍历,对于每个节点,我们可以考虑它的两个儿子,如果它的两个儿子都被遍历过了,那么我们就可以计算出从它的左儿子到它的右儿子的路径中,所有点的权值和的最小值,然后再将这个值加上当前节点的权值,就可以得到从根节点到当前节点的路径中,所有点的权值和的最小值。 时间复杂度 树形dp的时间复杂度是 $O(n^3)$。 C++ 代码 算法2 (动态规划) $O(n^3)$ 我们可以使用动态规划来解决这个问题,具体来说,我们可以定义 $f(i,j,s)$ 表示从 $(1,1)$ 到 $(i,j)$ 的所有路径中,所有点的权值和为 $s$ 的最小值,那么我们就可以得到如下的状态转移方程: $$ f(i,j,s)=\min\{f(i-1,j,s-a_{i,j}),f(i,j-1,s-a_{i,j})\} $$ 其中 $a_{i,j}$ 表示点 $(i,j)$ 的权值。 时间复杂度 动态规划的时间复杂度是 $O(n^3)$。 C++ 代码
评论 2
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