Luogu_P3398 仓鼠找sugar

本文探讨了如何使用树形结构算法解决仓鼠小明和基友sugar在地下洞穴中相遇问题。通过计算LCA并分析路径连通性,展示了如何判断他们是否会在途中相遇。核心算法涉及LCA查找和路径判断技巧。

仓鼠找sugar

链接

Luogu_P3398 仓鼠找sugar

题目描述

小仓鼠的和他的基(mei)友(zi)sugar住在地下洞穴中,每个节点的编号为1~n。地下洞穴是一个树形结构。这一天小仓鼠打算从从他的卧室(a)到餐厅(b),而他的基友同时要从他的卧室(c)到图书馆(d)。他们都会走最短路径。现在小仓鼠希望知道,有没有可能在某个地方,可以碰到他的基友?

小仓鼠那么弱,还要天天被zzq大爷虐,请你快来救救他吧!

输入格式

第一行两个正整数n和q,表示这棵树节点的个数和询问的个数。

接下来n-1行,每行两个正整数u和v,表示节点u到节点v之间有一条边。

接下来q行,每行四个正整数a、b、c和d,表示节点编号,也就是一次询问,其意义如上。

输出格式

对于每个询问,如果有公共点,输出大写字母“Y”;否则输出“N”。

输入输出样例

输入 #1
5 5
2 5
4 2
1 3
1 4
5 1 5 1
2 2 1 4
4 1 3 4
3 1 1 5
3 5 1 4
输出 #1
Y
N
Y
Y
Y

说明/提示

本题时限1s,内存限制128M,因新评测机速度较为接近NOIP评测机速度,请注意常数问题带来的影响。

20%的数据 n<=200,q<=200

40%的数据 n<=2000,q<=2000

70%的数据 n<=50000,q<=50000

100%的数据 n<=100000,q<=100000

思路

基本思路其实跟Luogu_6374 树上询问是差不多的,核心思想就是分别查找两对节点的LCA,再分别判断两对节点的LCA是否在连通另一对节点的路径上。只要有一对节点的LCA在连通另一对节点的路径上,那么答案就为“Y”。

需要注意的是,在不同的题目中,判断一个点是否在一条路径上,要根据该题目的特点设计算法。比如在这道题里,就分四种情况讨论。

如图A、B、C、D:
图A
图B
图C
图D
设:

ab=lca(a,b);
cd=lca(c,d);

则:

  1. 图A的情况表示为:
lca(a,cd)==cd&&lca(ab,cd)==ab
  1. 图B的情况表示为:
lca(b,cd)==cd&&lca(ab,cd)==ab
  1. 图C的情况表示为:
lca(c,ab)==ab&&lca(ab,cd)==cd
  1. 图D的情况表示为:
lca(d,ab)==ab&&lca(ab,cd)==cd

剩下的就都是小事情了。

代码

#include<cstdio>
#include<cstring>
#include<queue>
using namespace std;
const int N=100000,K=20;
struct str{
	int to,nex;
}edg[2*N+1];
int ls[2*N+1],cnt,dep[N+1],f[N+1][K+1];
void add(int u,int v)
{
	cnt++;
	edg[cnt].to=v;
	edg[cnt].nex=ls[u];
	ls[u]=cnt;
}
void bfs(int root)
{
	queue<int> q;
	dep[root]=1;
	q.push(root);
	while(!q.empty())
	{
		int so,fa;
		fa=q.front();
		q.pop();
		for(int i=ls[fa];i;i=edg[i].nex)
		{
			so=edg[i].to;
			if(!dep[so])
			{
				dep[so]=dep[fa]+1;
				f[so][0]=fa;
				q.push(so);
			}
		}
	}
}
void st(int n)
{
	for(int j=1;j<=K;j++)
		for(int i=1;i<=n;i++)
			f[i][j]=f[f[i][j-1]][j-1];
}
int lca(int x,int y)
{
	if(dep[x]>dep[y])
		swap(x,y);
	int d,k,t;
	d=dep[y]-dep[x];
	k=K;
	t=1<<K;
	while(d)
	{
		if(d>=t)
		{
			y=f[y][k];
			d-=t;
		}
		t/=2;
		k--;
	}
	if(x==y)
		return x;
	k=K;
	while(k>=0)
	{
		if(f[x][k]!=f[y][k])
		{
			x=f[x][k];
			y=f[y][k];
		}
		k--;
	}
	return f[x][0];
}
bool check(int a,int b,int c)//判断c是否在连通a、b的路径上 
{
	return lca(a,c)==c||lca(b,c)==c;
}
int main()
{
	int n,q,u,v,a,b,c,d,ab,cd;
	scanf("%d%d",&n,&q);
	for(int i=1;i<=n-1;i++)
	{
		scanf("%d%d",&u,&v);
		add(u,v);
		add(v,u);
	}
	bfs(1);
	st(n);
	for(int i=1;i<=n;i++)
	{
		scanf("%d%d%d%d",&a,&b,&c,&d);
		ab=lca(a,b);
		cd=lca(c,d);
		if(check(a,b,cd)&&lca(ab,cd)==ab)
			printf("Y\n");
		else if(check(c,d,ab)&&lca(ab,cd)==cd)
			printf("Y\n");
		else
			printf("N\n");
	}
	return 0;
}
内容概要:本文详细介绍了一种基于Simulink的表贴式永磁同步电机(SPMSM)有限控制集模型预测电流控制(FCS-MPCC)仿真系统。通过构建PMSM数学模型、坐标变换、MPC控制器、SVPWM调制等模块,实现了对电机定子电流的高精度跟踪控制,具备快速动态响应和低稳态误差的特点。文中提供了完整的仿真建模步骤、关键参数设置、核心MATLAB函数代码及仿真结果分析,涵盖转速、电流、转矩和三相电流波形,验证了MPC控制策略在动态性能、稳态精度和抗负载扰动方面的优越性,并提出了参数自整定、加权代价函数、模型预测转矩控制和弱磁扩速等优化方向。; 适合人群:自动化、电气工程及其相关专业本科生、研究生,以及从事电机控制算法研究与仿真的工程技术人员;具备一定的电机原理、自动控制理论和Simulink仿真基础者更佳; 使用场景及目标:①用于永磁同步电机模型预测控制的教学演示、课程设计或毕业设计项目;②作为电机先进控制算法(如MPC、MPTC)的仿真验证平台;③支撑科研中对控制性能优化(如动态响应、抗干扰能力)的研究需求; 阅读建议:建议读者结合Simulink环境动手搭建模型,深入理解各模块间的信号流向与控制逻辑,重点掌握预测模型构建、代价函数设计与开关状态选择机制,并可通过修改电机参数或控制策略进行拓展实验,以增强实践与创新能力。
根据原作 https://pan.quark.cn/s/23d6270309e5 的源码改编 湖北省黄石市2021年中考数学试卷所包含的知识点广泛涉及了中学数学的基础领域,涵盖了实数、科学记数法、分式方程、几何体的三视图、立体几何、概率统计以及代数方程等多个方面。 接下来将对每道试题所关联的知识点进行深入剖析:1. 实数与倒数的定义:该题目旨在检验学生对倒数概念的掌握程度,即一个数a的倒数表达为1/a,因此-7的倒数可表示为-1/7。 2. 科学记数法的运用:科学记数法是一种表示极大或极小数字的方法,其形式为a×10^n,其中1≤|a|<10,n为整数。 此题要求学生运用科学记数法表示一个天文单位的距离,将1.4960亿千米转换为1.4960×10^8千米。 3. 分式方程的求解方法:考察学生解决包含分母的方程的能力,题目要求出满足方程3/(2x-1)=1的x值,需通过消除分母的方式转化为整式方程进行解答。 4. 三视图的辨认:该题目测试学生对于几何体三视图(主视图、左视图、俯视图)的认识,需要识别出具有两个相同视图而另一个不同的几何体。 5. 立体几何与表面积的计算:题目要求学生计算由直角三角形旋转形成的圆锥的表面积,要求学生对圆锥的底面积和侧面积公式有所了解并加以运用。 6. 统计学的基础概念:题目涉及众数、平均数、极差和中位数的定义,要求学生根据提供的数据信息选择恰当的统计量。 7. 方程的整数解求解:考察学生在实际问题中进行数学建模的能力,通过建立方程来计算在特定条件下帐篷的搭建方案数量。 8. 三角学的实际应用:题目通过在直角三角形中运用三角函数来求解特定线段的长度。 利用正弦定理求解AD的长度是解答该问题的关键。 9. 几何变换的应用:题目要求学生运用三角板的旋转来求解特定点的...
Python基于改进粒子群IPSO与LSTM的短期电力负荷预测研究内容概要:本文围绕“Python基于改进粒子群IPSO与LSTM的短期电力负荷预测研究”展开,提出了一种结合改进粒子群优化算法(IPSO)与长短期记忆网络(LSTM)的混合预测模型。通过IPSO算法优化LSTM网络的关键参数(如学习率、隐层节点数等),有效提升了模型在短期电力负荷预测中的精度与收敛速度。文中详细阐述了IPSO算法的改进策略(如引入自适应惯性权重、变异机制等),增强了全局搜索能力与避免早熟收敛,并利用实际电力负荷数据进行实验验证,结果表明该IPSO-LSTM模型相较于传统LSTM、PSO-LSTM等方法在预测准确性(如MAE、RMSE指标)方面表现更优。研究为电力系统调度、能源管理提供了高精度的负荷预测技术支持。; 适合人群:具备一定Python编程基础、熟悉基本机器学习算法的高校研究生、科研人员及电力系统相关领域的技术人员,尤其适合从事负荷预测、智能优化算法应用研究的专业人士。; 使用场景及目标:①应用于短期电力负荷预测,提升电网调度的精确性与稳定性;②为优化算法(如粒子群算法)与深度学习模型(如LSTM)的融合应用提供实践案例;③可用于学术研究、毕业论文复现或电力企业智能化改造的技术参考。; 阅读建议:建议读者结合文中提到的IPSO与LSTM原理进行理论学习,重点关注参数优化机制的设计思路,并动手复现实验部分,通过对比不同模型的预测结果加深理解。同时可拓展尝试将该方法应用于其他时序预测场景。
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