点分治模板+学习总结

点分治是一种用来处理树上路径的算法,假如给出一个问题,有一颗树,树上有n个点,要求你求出这棵树上距离小于等于k点对的数量。

首先我们有一个最简单直观的想法,求出任意两点之间的距离,判断是否小于等于k,用搜索去写的话我们的时间复杂度是O(n^2),这对于一些有着较大数据范围的题来说是不可接受的,这个时候点分治就出现了。

首先对于一颗有根树,满足条件的路径有两种情况:

第一种情况,满足条件的路径经过根节点,横跨两个不同的子树

第二种情况,满足条件的路径在根节点的一个子树当中

对于第一种情况我们可以O(n)的找出根节点到子树任意一点的距离,然后判断dis[v][root]+dis[u][root]是否小于等于k就行了,

对于第二种情况,我们可以在其子树中再找一个根节点,对这个子树单独求解,这样第二种情况就又变成第一种情况了

我们需要考虑各种能使我们算法时间复杂度退化的情况,也就是最坏的一些情况,对于树形结构来说,菊花图,链图以及菊花链图往往是我们最常考虑的特殊情况,很明显,如果按照之前所说,我们的时间复杂度在处理链图的时候时间复杂度就退化成了O(n^2),幸运的是,我们只要适当的选取根节点就能避免这种情况,以链图为例,我们每次取最大子树最小的点作为根节点,也就是树的重心作为根节点,而树的重心有一个特性就是mxson_size<=tree_size/2,由于这个特性,所以我们能保证我们的算法时间复杂度稳定在O(n*logn)

点分治算法还有一个非常重要的细节需要处理,我们判断的条件是dis[v][root]+dis[u][root]<=k,所以会出现下列的一种情况

假如我们的k=4,a+b=2,a+c=2,按照上述条件判断,则a+b+a+c是刚好等于k,满足我们的条件,因此会被计入答案,但是我们很容易就能发现,这一条路径是错误的,a这一条边被重复考虑了,对于这一种情况,我们可以通过容斥原理来解决,在计算root这一点的答案时,我们需要额外特殊地考虑一下儿子答案,儿子节点到其子树的路径视为,root节点到儿子节点所在子树的路径,其中满足条件的路径视为儿子答案,然后我们用总的答案减去儿子答案就行了。

代码:

#include<bits/stdc++.h>
using namespace std;
#define inf 0x3f3f3f3f
#define ll long long
const int maxn=4e4+9;
struct Edge{
    int next,to,val;
}edge[maxn*2];
int cnt=0,vis[maxn],root,ans=0,k,mx=inf,Size,head[maxn],sz[maxn],q[maxn],r=0,d[maxn];
inline void add(int u,int v,int val){
    edge[cnt].next=head[u];
    edge[cnt].to=v;
    edge[cnt].val=val;
    head[u]=cnt++;
}
void getroot(int u,int fa){
    sz[u]=1;int num=0;
    for(int i=head[u];i!=-1;i=edge[i].next){
        int v=edge[i].to;
        if(v!=fa&&!vis[v]){
            getroot(v,u);
            sz[u]+=sz[v];
            num=max(num,sz[v]);
        }
    }
    num=max(num,Size-sz[u]);
    if(num<mx)mx=num,root=u;
}
void getdis(int u,int fa){
    q[++r]=d[u];
    for(int i=head[u];i!=-1;i=edge[i].next){
        int v=edge[i].to;
        if(v!=fa&&!vis[v]){
            d[v]=edge[i].val+d[u];
            getdis(v,u);
        }
    }
}
int cal(int u,int val){
    r=0,d[u]=val;
    getdis(u,0);
    int l=1,sum=0;
    sort(q+1,q+r+1);
    while(l<r){
        if(q[l]+q[r]<=k){
            sum+=r-l;
            l++;
        }
        else r--;
    }
    return sum;
}
void dfs(int u){
    vis[u]=1;
    ans+=cal(u,0);
    for(int i=head[u];i!=-1;i=edge[i].next){
        int v=edge[i].to;
        if(!vis[v]){
            ans-=cal(v,edge[i].val);
            Size=sz[v];
            mx=inf;
            getroot(v,0);
            dfs(root);
        }
    }
}
int main(){
    ios::sync_with_stdio(0);
    cin.tie(0);
    memset(head,-1,sizeof(head));
    int i,j,n;
    cin>>n;
    for(i=0;i<n-1;i++){
        int x,y,z;cin>>x>>y>>z;
        add(x,y,z);add(y,x,z);
    }
    cin>>k;
    Size=n;
    mx=inf;
    getroot(1,0);
    dfs(root);
    cout<<ans<<endl;
}

模板题:https://www.luogu.org/problem/P4178

 

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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