牛客 —求和(dfs序+线段树)

本文介绍了一种使用深度优先搜索(DFS)将树形结构转化为线性区间的方法,进而利用线段树解决区间求和及单点更新问题。通过实例讲解了如何构建和维护线段树,实现高效的区间查询和节点更新操作。

题目链接https://ac.nowcoder.com/acm/contest/5158/I

思路

用dfs把一棵树转换成区间,然后题目就变成了用线段树来解决区间求和和单点修改的问题

代码
#include<iostream>
#include<string>
#include<map>
//#include<unordered_map>
#include<queue>
#include<cstdio>
#include<vector>
#include<cstring>
#include<algorithm>
#include<iomanip>
#include<cmath>
#include<fstream>
#define X first
#define Y second
#define best 131 
#define INF 0x3f3f3f3f
#define P pair<int,int>
#define ls p<<1
#define rs p<<1|1
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const double eps=1e-5;
const double pai=acos(-1.0);
const int N=1e6+10;
const int maxn=110;
const int mod=1000000007;
int in[N],out[N],head[N],tot,cnt,id[N],a[N];
struct Node
{
    int to;
    int next;
}tr[N<<2];
struct node
{
    int l;
    int r;
    int sum;
}t[N<<2];
//vector<int>E[N];
void add(int x,int y)
{
    tr[tot].to=y;
    tr[tot].next=head[x];
    head[x]=tot++;
}
void dfs(int x,int y)
{
    in[x]=++cnt;
    id[cnt]=x;
//    for(int i=0;i<E[x].size();i++)
//  {
//        int end=E[x][i];
//        if(end==y) continue;
//        dfs(end,x);
//    }
    for(int i=head[x];i!=-1;i=tr[i].next)
    {
        int end=tr[i].to;
        if(end==y) continue;
        dfs(end,x);
    }
    out[x]=cnt;
}
void pushup(int p)
{
    t[p].sum=t[ls].sum+t[rs].sum;
}
void build(int p,int l,int r)
{
    t[p].l=l,t[p].r=r;
    if(l==r)
    {
        t[p].sum=a[id[l]];
        return ;
    }
    int mid=(l+r)>>1;
    bulid(ls,l,mid);
    bulid(rs,mid+1,r);
    pushup(p);
}
void change(int p,int pos,int v)
{
    if(t[p].l==t[p].r)
    {
        t[p].sum+=v;
        return ;
    }
    int mid=(t[p].l+t[p].r)>>1;
    if(pos<=mid) change(ls,pos,v);
    else change(rs,pos,v);
    pushup(p);
}
int ask(int p,int l,int r)
{
    if(l<=t[p].l&&t[p].r<=r)
    {
        return t[p].sum;
    }
    int mid=(t[p].l+t[p].r)>>1;
    int ans=0;
    if(l<=mid) ans+=ask(ls,l,r);
    if(r>mid) ans+=ask(rs,l,r);
    return ans; 
}
int main()
{
    int n,m,k;
    scanf("%d%d%d",&n,&m,&k);
    for(int i=1;i<=n;i++) scanf("%d",&a[i]);
    memset(head,-1,sizeof (head));
    for(int i=1;i<=n-1;i++)
    {
        int x,y;
        scanf("%d%d",&x,&y);
//      E[x].push_back(y);
//      E[y].push_back(x);
        add(x,y);
        add(y,x);
    }
    dfs(k,0);
    build(1,1,n);
    while(m--)
    {
        int op,aa,x;
        scanf("%d%d",&op,&aa);
        if(op==1)
        {
            scanf("%d",&x);
            change(1,in[aa],x);
        }
        else
        {
            printf("%d\n",ask(1,in[aa],out[aa]));
        }
    }
    return 0;
}
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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