LCA和RMQ练习,水题(LCA模板题):【hdu 2586】 How far away ?

本文介绍了一种基于LCA算法解决无根树上两点间距离问题的方法,并提供了完整的C++实现代码。通过递归深度优先搜索预处理节点间的距离,利用二进制提升技巧快速查找最近公共祖先。

原题:http://acm.hdu.edu.cn/showproblem.php?pid=2586

LCA模板题

 题意:给一个无根树,有q个询问,每个询问两个点,问两点的距离。求出  lca = LCA(X,Y) , 然后  dir[x] + dir[y] - 2 * dir[lca]

dir[u]表示点u到树根的距离

 

下面代码可以通过HDU的C++和G++,都不存在爆栈问题,网上很多人说会爆栈,加了申请系统栈语句,其实不用,而且好想比赛中不允许使用的

Tarjan算法跑得更快些,C++ 15ms,  G++ 50ms  左右, RMQ大概60ms


#include <cstdio>
#include <cstring>
#include <cmath>
#include <vector>
#include <algorithm>

using namespace std;

const int maxn = 40010;

struct Node
{
    int to, w;
    Node(int a = 0, int b = 0)
    {
        to = a;
        w = b;
    }
};

vector<Node> e[maxn];

int f[maxn], dis[maxn], deep[maxn], p[maxn][20], n;

void dfs(int u, int pre, int t)
{
    int num;
    deep[u] = t;
    f[u] = pre;
    num = e[u].size();
    for (int i = 0; i < num; ++i)
    {
        int v = e[u][i].to;
        if (v != pre)
        {
            dis[v] = dis[u] + e[u][i].w;
            dfs(v, u, t + 1);
        }
    }
}

void init()
{
    for (int j = 0; (1 << j) <= n; ++j) for (int i = 1; i <= n; ++i) p[i][j] =  - 1;
    for (int i = 1; i <= n; ++i) p[i][0] = f[i];

    for (int j = 1; (1 << j) <= n; ++j) for (int i = 1; i <= n; ++i) if (p[i][j - 1] !=  -1) p[i][j] = p[p[i][j - 1]][j - 1];
}

int lca(int a, int b)
{
    int i;
    if (deep[a] < deep[b]) swap(a, b);
    for (int i = 0; (1 << i) <= deep[a]; ++i);
    i--;

    for (int j = i; j >= 0; --j) if (deep[a] - (1 << j) >= deep[b]) a = p[a][j];
    if (a == b)return a;

    for (int j = i; j >= 0; --j)
    {
        if (p[a][j] != -1 && p[a][j] != p[b][j])
        {
            a = p[a][j];
            b = p[b][j];
        }
    }
    return f[a];
}

int main(void)
{
    int T;
    scanf("%d", &T);
    while(T--)
    {
        int m, a, b, c, ans;
        scanf("%d%d", &n, &m);
        for (int i = 1; i <= n; ++i) e[i].clear();
        for (int i = 1; i < n; ++i)
        {
            scanf("%d%d%d", &a, &b, &c);
            e[a].push_back(Node(b, c));
            e[b].push_back(Node(a, c));
        }
        dis[1] = 0;
        dfs(1, -1, 0);
        init();
        for (int i = 0; i < m; ++i)
        {
            scanf("%d%d", &a, &b);
            ans = dis[a] + dis[b] - 2 * dis[lca(a, b)];
            printf("%d\n", ans);
        }
    }
    return 0;
}


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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