GYM 101147 J.Whistle's New Car(dfs)

本文介绍了一种解决特定有向树问题的算法,通过计算每个节点的贡献来得出所有节点的答案。具体而言,该算法关注如何高效地计算以某节点为根的子树中,有多少节点的点权不低于从该节点到根节点路径上的边权总和。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description
给出一棵有向树,有点权和边权,定义一个节点i的答案为以i为根的子树中有多少j的点权不小于j->i的简单路径上边权和,求所有点的答案
Input
第一行一整数T表示用例组数,每组用例首先输入树上点数n,之后n个整数x[i]表示第i个点的点权,最后n-1行每行三个整数u,v,w表示树上一条边u-v的边权是w,树根是1(1<=n<=5e5,1<=x[i],w<=1e9)
Output
输出n个整数表示每个点的答案
Sample Input
1
4
5 10 5 10
1 2 100
2 3 5
3 4 5
Sample Output
0 2 1 0
Solution
对于每个点,其贡献是对从自身开始往上一段连续的父亲节点每个点的答案加一,实时维护一个1~i的边权前缀和sum[j]以及对应的编号id[j],假设从根节点1到节点i有res个节点,那么所有sum[j]>=sum[res]-x[i]的j都是i能够贡献到的点,假设最小的满足条件的j是pos,pos可以对sum数组二分搜索得到,那么i节点的贡献就是在树上对id[pos],id[pos+1],…,i这条边每个节点的答案加一,类似前缀和优化,cnt[fa[id[pos]]]–,cnt[i]++,这样以来在往下深搜的时候把每个点的贡献记录下来,在回溯的时候将儿子节点的cnt累加到父亲节点上即得到所有点的答案
Code

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<vector>
#include<queue>
#include<map>
#include<set>
#include<ctime>
using namespace std;
typedef long long ll;
#define INF 0x3f3f3f3f
#define maxn 555555
int T,n,x[maxn],id[maxn],fa[maxn],cnt[maxn],res;
ll sum[maxn];
typedef pair<int,int>P;
vector<P>g[maxn];
void dfs(int u,int f)
{
    for(int i=0;i<g[u].size();i++)
    {
        int v=g[u][i].first,w=g[u][i].second;
        if(v==f)continue;
        fa[v]=u;
        sum[res]=sum[res-1]+w;
        id[res]=v;
        int pos=lower_bound(sum,sum+res+1,sum[res]-x[v])-sum;
        if(pos<res)cnt[u]++,cnt[fa[id[pos]]]--;
        res++;
        dfs(v,u);
        res--;
        cnt[u]+=cnt[v];
    }
}
int main()
{
    freopen("car.in","r",stdin);
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d",&n);
        for(int i=1;i<=n;i++)g[i].clear();
        memset(cnt,0,sizeof(cnt));
        for(int i=1;i<=n;i++)scanf("%d",&x[i]);
        for(int i=1;i<n;i++)
        {
            int u,v,w;
            scanf("%d%d%d",&u,&v,&w);
            g[u].push_back(P(v,w)),g[v].push_back(P(u,w));
        }
        fa[1]=0;
        id[0]=1,sum[0]=0;
        res=1;
        dfs(1,1);
        for(int i=1;i<=n;i++)
            printf("%d%c",cnt[i],i==n?'\n':' ');
    }   
    return 0;
}
### 使用 `gym.spaces.Box` 定义动作空间 在OpenAI Gym环境中定义连续的动作空间通常会使用到 `gym.spaces.Box` 类。此类允许创建一个多维的盒子形状的空间,其边界由低限(low)和高限(high)参数指定[^1]。 对于给定的例子,在类 `ActionSpace` 中静态方法 `from_type` 返回了一个基于输入类型的行动空间实例: 当 `space_type` 是 `Continuous` 时,返回的是一个三维向量形式的动作空间对象,该对象表示三个维度上的取值范围分别为 `[0.0, 1.0]`, `[0.0, 1.0]`, 和 `[-1.0, 1.0]` 的实数集合,并且数据类型被设定为了 `np.float32`: ```python import numpy as np import gym class ActionSpace: @staticmethod def from_type(action_type: int): space_type = ActionSpaceType(action_type) if space_type == ActionSpaceType.Continuous: return gym.spaces.Box( low=np.array([0.0, 0.0, -1.0]), high=np.array([1.0, 1.0, 1.0]), dtype=np.float32, ) ``` 此段代码展示了如何通过传递最低限度(`low`)数组以及最高限度(`high`)数组来初始化一个新的Box实例,从而构建出一个具有特定界限的多维连续数值区间作为环境可能采取的一系列合法行为的选择集的一部分。 另外值得注意的是,每个环境都应当具备属性 `action_space` 和 `observation_space` ,这两个属性应该是继承自 `Space` 类的对象实例;Gymnasium库支持大多数用户可能会需要用到的不同种类的空间实现方式[^2]。 #### 创建并测试 Box 动作空间的一个简单例子 下面是一个简单的Python脚本片段用于展示怎样创建和验证一个基本的 `Box` 空间成员资格的方法: ```python def check_box_space(): box_space = gym.spaces.Box(low=-1.0, high=1.0, shape=(2,), dtype=np.float32) sample_action = box_space.sample() # 获取随机样本 is_valid = box_space.contains(sample_action) # 检查合法性 print(f"Sampled action {sample_action} within bounds? {'Yes' if is_valid else 'No'}") check_box_space() ``` 上述函数首先建立了一个二维的 `-1.0` 到 `1.0` 范围内的浮点型 `Box` 空间,接着从中抽取了一组随机样本来检验它确实位于所规定的范围内。
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