HDU6203 ping ping ping 【LCA+BIT】

传送门


先求dfs序in[]和out[],以及lca
将不能连通的(u,v)按lca深度从大到小排序
树状数组维护数组flag[]
flag[ini]=0:i{v|flag[inv]=0}
flag[ini]>0:i{v|flag[inv]=0}
依次处理每对(u,v)
flag[inu]>0||flag[inv]>0,u,v,
,lcau,v,flag[inlca...outlca]+1


(u,v),lcau,v,flag[inu]=flag[inv]=0,=0>0
(u,v),>=lcau,v,(u,v)3
:2lcau,vlcau,v=lcau,v(flag>0)
:lcau,v(flag>0)(flag=0)
:2lcau,v(flag=0)
u,u,,flag[inu]>0

#include<stdio.h>
#include<bits/stdc++.h>
#define ll long long
#define pii pair<int,int>
#define pll pair<ll,ll>
#define MEM(a,x) memset(a,x,sizeof(a))
#define lowbit(x) ((x)&-(x))

using namespace std;

const int inf=1e9+7;
const int INF = inf;

const int N = 1e4 + 5;//顶点数
const int M = 50000 + 5;//查询数

struct Query{
    int u,v,lca;
};
vector<int>G[N];//fist:to  second:w边权
vector<pii>queryTo[N];//first:to second:这个查询在query[M]中的下标
Query query[M];
int par[N];//并查集
bool visited[N];//Tarjan标记是否被访问过
inline int find(int x){
    return x==par[x]?x:par[x]=find(par[x]);
}

void Tarjan(int u){
    visited[u]=true;
    for(int i=0;i<G[u].size();++i){
        int to=G[u][i];
        if(visited[to]==false){
            Tarjan(to);
            par[to]=u;
        }
    }
    for(int i=0;i<queryTo[u].size();++i){
        int v=queryTo[u][i].first;
        int index=queryTo[u][i].second;
        if(visited[v])
            query[index].lca=find(v);
    }
}

void init(int n){
    fill(visited,visited+n+1,0);
    for(int i=0;i<=n;++i){
        par[i]=i;
    }
}

int in[N],out[N],depth[N];
void dfs(int u,int &t,int fa,int d){
    in[u]=++t;
    depth[u]=d;
    for(int v:G[u]){
        if(v!=fa){
            dfs(v,t,u,d+1);
        }
    }
    out[u]=t;
}

struct Bit{
    int c[N],n;
    void init(int n){
        this->n=n+1;
        fill(c,c+n+2,0);
    }
    void add(int x,int val){//a[x]...a[n] 全部+val
        x+=1;
        while(x<=n){
            c[x]+=val;
            x+=lowbit(x);
        }
    }
    ll sum(int x){//a[x]
        ll ans=0;
        x+=1;
        while(x){
            ans+=c[x];
            x-=lowbit(x);
        }
        return ans;
    }
}bit;

bool operator>(const Query&a,const Query&b){
    return depth[a.lca]>depth[b.lca];
}

int slove(int n,int q){
    init(n);
    {
        int t=-1;
        dfs(0,t,-1,0);
    }
    bit.init(n);
    Tarjan(0);
    sort(query,query+q,greater<Query>());
    int ans=0;
    for(int i=0;i<q;++i){
        Query&t=query[i];
        if(bit.sum(in[t.u])||bit.sum(in[t.v])){
            continue;
        }
        ++ans;
        int st=in[t.lca],ed=out[t.lca];
        bit.add(st,1);
        bit.add(ed+1,-1);
    }
    return ans;
}

int main(){
    //freopen("/home/lu/code/r.txt","r",stdin);
    //freopen("/home/lu/code/w.txt","w",stdout);
    int n;
    while(~scanf("%d",&n)){
        for(int i=0;i<=n;++i){
            G[i].clear();
            queryTo[i].clear();
        }
        for(int i=1;i<=n;++i){
            int u,v;
            scanf("%d%d",&u,&v);
            G[u].push_back(v);
            G[v].push_back(u);
        }
        int p;
        scanf("%d",&p);
        for(int i=0;i<p;++i){
            int u,v;
            scanf("%d%d",&u,&v);
            query[i]={u,v,-1};
            queryTo[u].push_back({v,i});
            queryTo[v].push_back({u,i});
        }
        printf("%d\n",slove(n,p));
    }
    return 0;
}
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
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