【BZOJ2152】聪聪可可-树的点分治

本文介绍了一种利用树分治算法解决特定点对数目问题的方法。通过对树的重心进行分治,将问题分解为过根与不过根两种路径情况,并提出了一种O(NlogN)的高效解决方案。

测试地址:聪聪可可

做法:这题要求满足两点之间距离是3的倍数(也就是对3取模余数为0)的点对数目,我们知道求满足特定条件(一般和路径有关)的点对数目的问题一般可以用树分治算法解决。

和其他同类题目一样,这道题目的O(N^2)算法非常显然,然而N可达20000,O(N^2)无法通过全部数据。

怎么办呢?我们就从分治的角度来思考问题:以树的重心分治,路径情况分为过根和不过根两种,不过根的递归解决,这里只考虑过根的情况。因为我们要求的是距离为3的倍数且不属于同一棵子树的点对,问题可以转化成为:1.求距离为3的倍数的点对数目;2.求距离为3的倍数且属于同一棵子树的点对数目。问题1的答案减去问题2的答案就是原问题的答案。

我们发现问题1和问题2本质上都是相同的,因此我们只需思考这个问题:给定A,求使得A[i]+A[j]=0(mod 3)的(i,j)数目。因为一个数对3取模余数只有0,1,2三种,那么我们只要存储余数为这三种的点数目,记为sum[0...2],那么答案就是sum[0]*sum[0]+sum[1]*sum[2]+sum[2]*sum[1],问题解决的复杂度是O(N)。配合以树的重心分治,总复杂度大约是O(NlogN),可以通过全部数据。

以下是本人代码:

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <iostream>
#include <algorithm>
#define inf 1000000000
using namespace std;
int n,tot=0,first[20010]={0};
int a[20010],p[20010],fa[20010],siz[20010],sum[3],dis[20010];
int ans=0,ans2;
bool vis[20010];
struct edge {int v,d,next;} e[40010];
 
int gcd(int a,int b)
{
  return (b==0)?a:gcd(b,a%b);
}
 
void insert(int a,int b,int d)
{
  e[++tot].v=b,e[tot].d=d,e[tot].next=first[a],first[a]=tot;
}
 
void dfs(int v)
{
  siz[v]=1;
  a[++a[0]]=dis[v]%3;
  p[a[0]]=v;
  for(int i=first[v];i;i=e[i].next)
    if (e[i].v!=fa[v]&&!vis[e[i].v])
    {
      fa[e[i].v]=v;
      dis[e[i].v]=dis[v]+e[i].d;
      dfs(e[i].v);
      siz[v]+=siz[e[i].v];
    }
}
 
int find(int v)
{
  a[0]=0;fa[v]=0;dfs(v);
  int s,mx=inf;
  for(int i=1;i<=siz[v];i++)
  {
    int maxsiz=0;
    for(int j=first[p[i]];j;j=e[j].next)
      if (!vis[e[j].v]) maxsiz=max(maxsiz,siz[e[j].v]);
    maxsiz=max(maxsiz,siz[v]-siz[p[i]]);
    if (maxsiz<mx) s=p[i],mx=maxsiz;
  }
  return s;
}
 
int work(int v,int start)
{
  a[0]=fa[v]=0;dis[v]=start;dfs(v);
  sum[0]=sum[1]=sum[2]=0;
  for(int i=1;i<=siz[v];i++)
    sum[a[i]]++;
  return sum[0]*sum[0]+2*sum[1]*sum[2];
}
 
void solve(int v)
{
  v=find(v);
  ans+=work(v,0);
  vis[v]=1;
  for(int i=first[v];i;i=e[i].next)
    if (!vis[e[i].v]) ans-=work(e[i].v,dis[e[i].v]);
  for(int i=first[v];i;i=e[i].next)
    if (!vis[e[i].v]) solve(e[i].v);
}
 
int main()
{
  scanf("%d",&n);
  for(int i=1;i<n;i++)
  {
    int x,y;long long w;
    scanf("%d%d%lld",&x,&y,&w);
    w%=3;
    insert(x,y,w),insert(y,x,w);
  }
   
  solve(1);
  ans2=n*n;
  int g=gcd(ans,ans2);
  ans/=g,ans2/=g;
  printf("%d/%d",ans,ans2);
   
  return 0;
}


内容概要:本文介绍了基于Koopman算子理论的模型预测控制(MPC)方法,用于非线性受控动力系统的状态估计与预测。通过将非线性系统近似为线性系统,利用数据驱动的方式构建Koopman观测器,实现对系统动态行为的有效建模与预测,并结合Matlab代码实现具体仿真案例,展示了该方法在处理复杂非线性系统中的可行性与优势。文中强调了状态估计在控制系统中的关键作用,特别是面对不确定性因素时,Koopman-MPC框架能够提供更为精确的预测性能。; 适合人群:具备一定控制理论基础和Matlab编程能力的研【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)究生、科研人员及从事自动化、电气工程、机械电子等相关领域的工程师;熟悉非线性系统建模与控制、对先进控制算法如MPC、状态估计感兴趣的技术人员。; 使用场景及目标:①应用于非线性系统的建模与预测控制设计,如机器人、航空航天、能源系统等领域;②用于提升含不确定性因素的动力系统状态估计精度;③为研究数据驱动型控制方法提供可复现的Matlab实现方案,促进理论与实际结合。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注Koopman算子的构造、观测器设计及MPC优化求解部分,同时可参考文中提及的其他相关技术(如卡尔曼滤波、深度学习等)进行横向对比研究,以深化对该方法优势与局限性的认识。
内容概要:本文研究了基于物理信息神经网络(PINN)求解二阶常微分方程(ODE)边值问题的方法,并提供了完整的Matlab代码实现。文章通过将微分方程的物理规律嵌入神经网络损失函数中,利用神经网络的逼近能力求解边值问题,避免传统数值方法在网格划分和迭代收敛方面的局限性。文中详细介绍了PINN的基本原理、网络结构设计、损失函数构建及训练流程,并以典型二阶ODE边值问题为例进行仿真验证,展示了该方法的有效性和精度。此外,文档还附带多个相关科研方向的Matlab案例资源链接,涵盖状态估计、优PINN物理信息神经网络用于求解二阶常微分方程(ODE)的边值问题研究(Matlab代码实现)化调度、机器学习、信号处理等多个领域,突出其在科学研究中的实际应用价值。; 适合人群:具备一定数学基础和Matlab编程能力的理工科研究生、科研人员及从事科学计算、工程仿真等相关工作的技术人员。; 使用场景及目标:①用于求解传统数值方法难以处理的复杂或高维微分方程问题;②为科研工作者提供PINN方法的入门实践路径,推动其在物理建模、工程仿真等领域中的创新应用;③结合所提供的丰富资源拓展至电力系统、故障诊断、优化调度等交叉学科研究。; 阅读建议:建议读者结合文中的Matlab代码逐行理解PINN实现机制,动手复现并尝试修改方程形式与边界条件以加深理解,同时可参考附带资源扩展应用场景,提升科研效率与创新能力。
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