HDU 5044 Tree

本文深入探讨了树链剖分算法的应用,通过实例解析如何解决树状结构的问题。同时,对比了树链剖分与LCA算法的特点,强调了选择合适算法的重要性。实践代码展示了算法的具体实现过程。

一眼看过去是一道赤果果的树链剖分。。。但是时间卡的实在是紧,更好的做法应该是LCA啊,待我去看看,这里先练练树链剖分。


#pragma comment(linker, "/STACK:1024000000,1024000000")
#include <algorithm>
#include <iostream>
#include <cstring>
#include <vector>
#include <cstdio>
using namespace std;
#define LL long long
const int N = 100005;
struct EG
{
    int u, v;
} EE[N];
struct EZ
{
    int v;
    int next;
} eg[N*2];
int cnt;
int head[N];
void add_eg(int u,int v)
{
    ++cnt;
    eg[cnt].v = v;
    eg[cnt].next = head[u];
    head[u] = cnt;
}
int dep[N], w[N], fa[N], sz[N], son[N], top[N];
void dfs_1(int v,int _fa){
    fa[v] = _fa;
    son[v] = 0;
    sz[v] = 1;
    int to;
    for(int i = head[v]; ~i; i=eg[i].next){
        to = eg[i].v;
        if(to == _fa) continue;
        dep[to] = dep[v]+1;
        dfs_1(to, v);
        if(sz[to] > sz[son[v]]){
            son[v] = to;
        }
        sz[v] += sz[to];
    }
}
int id;
void build_tree(int v,int tp){
    w[v] = ++id;
    top[v] = tp;
    if(son[v] != 0) build_tree(son[v], top[v]);
    int to;
    for(int i = head[v]; ~i; i=eg[i].next){
        to = eg[i].v;
        if(to == fa[v] || to == son[v]) continue;
        build_tree(to, to);
    }
}

LL nd_val[N], eg_val[N];
LL ans_1[N], ans_2[N];
void upd1(int x,int y,int k)
{
    while(top[x] != top[y]){
        if(dep[top[x]] < dep[top[y]]) swap(x, y);
        nd_val[w[top[x]]] += k;
        nd_val[w[x]+1] -= k;
        x = fa[top[x]];
    }
    if(dep[x] > dep[y]) swap(x, y);
    nd_val[w[x]] += k;
    nd_val[w[y]+1] -= k;
}
void upd2(int x,int y,int k)
{
    while(top[x] != top[y]){
        if(dep[top[x]] < dep[top[y]]) swap(x, y);
        eg_val[w[top[x]]] += k;
        eg_val[w[x]+1] -= k;
        x = fa[top[x]];
    }
    if(x == y) return;
    if(dep[x] > dep[y]) swap(x, y);
    eg_val[w[son[x]]] += k;
    eg_val[w[y]+1] -= k;
}
int main()
{
    int i, j, T, n, m;
    int st = 0;
    scanf("%d",&T);
    while(T--){
        scanf("%d%d",&n,&m);
        cnt = 0;
        memset(head, -1, sizeof(head));
        for(i=1; i<n; ++i){
            scanf("%d%d",&EE[i].u,&EE[i].v);
            add_eg(EE[i].u, EE[i].v);
            add_eg(EE[i].v, EE[i].u);
        }
        id = 0;
        dfs_1(1, 1);
        build_tree(1, 1);
        char op[13];
        int x, y, k;
        memset(nd_val, 0, sizeof(nd_val));
        memset(eg_val, 0, sizeof(eg_val));
        while(m--){
            scanf("%s%d%d%d",op,&x,&y,&k);
            if(op[3] == '1'){
                upd1(x, y, k);
            }else{
                upd2(x, y, k);
            }
        }
        for(i=1; i<n; ++i){
            if(dep[EE[i].u] > dep[EE[i].v]) swap(EE[i].u, EE[i].v);
        }
        LL go = 0;
        for(i=1; i<=id; ++i){
            go += nd_val[i];
            ans_1[i] = go;
        }
        go = 0;
        for(i=1; i<=id; ++i){
            go += eg_val[i];
            ans_2[i] = go;
        }
        printf("Case #%d:\n",++st);
        for(i=1; i<=n; ++i){
            if(i > 1) printf(" ");
            printf("%lld",ans_1[w[i]]);
        }
        puts("");
        for(i=1; i<n; ++i){
            if(i > 1) printf(" ");
            printf("%lld",ans_2[w[EE[i].v]]);
        }
        puts("");
    }
    return 0;
}


内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载和预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问题提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程和深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接和密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问题时参考“常见问题与解决技巧”部分及时排查。
内容概要:本文详细介绍了三相异步电机SVPWM-DTC(空间矢量脉宽调制-直接转矩控制)的Simulink仿真实现方法,结合DTC响应快与SVPWM谐波小的优点,构建高性能电机控制系统。文章系统阐述了控制原理,包括定子磁链观测、转矩与磁链误差滞环比较、扇区判断及电压矢量选择,并通过SVPWM技术生成固定频率PWM信号,提升系统稳态性能。同时提供了完整的Simulink建模流程,涵盖电机本体、磁链观测器、误差比较、矢量选择、SVPWM调制、逆变器驱动等模块的搭建与参数设置,给出了仿真调试要点与预期结果,如电流正弦性、转矩响应快、磁链轨迹趋圆等,并提出了模型优化与扩展方向,如改进观测器、自适应滞环、弱磁控制和转速闭环等。; 适合人群:电气工程、自动化及相关专业本科生、研究生,从事电机控制算法开发的工程师,具备一定MATLAB/Simulink和电机控制理论基础的技术人员。; 使用场景及目标:①掌握SVPWM-DTC控制策略的核心原理与实现方式;②在Simulink中独立完成三相异步电机高性能控制系统的建模与仿真;③通过仿真验证控制算法有效性,为实际工程应用提供设计依据。; 阅读建议:学习过程中应结合文中提供的电机参数和模块配置逐步搭建模型,重点关注磁链观测、矢量选择表和SVPWM调制的实现细节,仿真时注意滞环宽度与开关频率的调试,建议配合MATLAB官方工具箱文档进行参数校准与结果分析。
已经博主授权,源码转载自 https://pan.quark.cn/s/bf1e0d5b9490 本文重点阐述了Vue2.0多Tab切换组件的封装实践,详细说明了通过封装Tab切换组件达成多Tab切换功能,从而满足日常应用需求。 知识点1:Vue2.0多Tab切换组件的封装* 借助封装Tab切换组件,达成多Tab切换功能* 支持tab切换、tab定位、tab自动化仿React多Tab实现知识点2:TabItems组件的应用* 在index.vue文件中应用TabItems组件,借助name属性设定tab的标题* 通过:isContTab属性来设定tab的内容* 能够采用子组件作为tab的内容知识点3:TabItems组件的样式* 借助index.less文件来设定TabItems组件的样式* 设定tab的标题样式、背景色彩、边框样式等* 使用animation达成tab的切换动画知识点4:Vue2.0多Tab切换组件的构建* 借助运用Vue2.0框架,达成多Tab切换组件的封装* 使用Vue2.0的组件化理念,达成TabItems组件的封装* 通过运用Vue2.0的指令和绑定机制,达成tab的切换功能知识点5:Vue2.0多Tab切换组件的优势* 达成多Tab切换功能,满足日常应用需求* 支持tab切换、tab定位、tab自动化仿React多Tab实现* 能够满足多样的业务需求,具备良好的扩展性知识点6:Vue2.0多Tab切换组件的应用场景* 能够应用于多样的业务场景,例如:管理系统、电商平台、社交媒体等* 能够满足不同的业务需求,例如:多Tab切换、数据展示、交互式操作等* 能够与其它Vue2.0组件结合运用,达成复杂的业务逻辑Vue2.0多Tab切换组件的封装实例提供了...
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