POJ 3728 tarjan+DP

本文深入探讨了Tarjan算法的原理与实现细节,并通过一个具体题目展示了如何使用Tarjan算法解决图论中的路径问题。文章包括算法核心思想、代码实现及实际应用场景。

从这个好题我终于去学了学Tarjan, 因为发现ST毫无意义, 除了预处理, 其他还是要借鉴Tarjan;
Tarjan其实很简单, 其实就是对于询问也开一个邻接表, 两个点的LCA就是:
如果在访问u的时候发现v已经访问过了, 那么LCA就是find(u)
至于这个题up, down, max, min的作用就不说了, 网上的主流代码
是个好题, 初学Tarjan一定要去搞

#include <vector>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;

#define N 400010
#define next Next
#define begin Begin
#define pb push_back
#define mem(a, b) memset(a, b, sizeof(a))
#define rep(i, s, t) for(int i = s, end = t; i <= end; ++i)
#define erep(i, u) for(int i = begin[u]; i != -1; i = next[i])

bool vis[N];
int to[N], next[N], begin[N], n, m, q;
int e, res[N], w[N];
int mx[N], mn[N], up[N], down[N], fa[N];
vector<int> query[N], s[N];

void add(int u, int v) {
    to[++e] = v;
    next[e] = begin[u];
    begin[u] = e;
}

int find(int x) {
    if(x == fa[x]) return x;
    int y = fa[x];
    fa[x] = find(fa[x]);

    up[x] = max(mx[y] - mn[x], max(up[x], up[y]));
    down[x] = max(mx[x] - mn[y], max(down[x], down[y]));
    mx[x] = max(mx[x], mx[y]);
    mn[x] = min(mn[x], mn[y]);

    return fa[x];
}

void LCA(int u) {
    int v;
    vis[u] = 1;
    for(int i = 0; i < (int) query[u].size(); i += 2)
        if(vis[v = query[u][i]]) {
            int f = find(v), id = query[u][i+1];
            if(id > 0) s[f].pb(u), s[f].pb(v);
            else s[f].pb(v), s[f].pb(u);
            s[f].pb(id > 0? id : -id);
        }
    erep(i, u) 
        if(!vis[v = to[i]]){
            LCA(v);
            fa[v] = u;
        }
    for(int i = 0; i < (int)s[u].size(); i += 3) {
        int x = s[u][i], y = s[u][i+1], id = s[u][i+2];
        find(x); find(y);
        res[id] = max(up[x], max(down[y], mx[y] - mn[x]));
    }
}

void init() {
    e = 0;
    mem(up, 0); mem(down, 0);
    mem(vis, 0);
    mem(begin, -1);
    rep(i, 0, n) fa[i] = i, s[i].clear(), query[i].clear();
}

int main() {
#ifndef ONLINE_JUDGE
    freopen("data.in", "r", stdin);
    freopen("result.out", "w", stdout);
#endif
    scanf("%d", &n);
    init();
    rep(i, 1, n) {
        scanf("%d", &w[i]);
        mx[i] = w[i];
        mn[i] = w[i]; 
    }
    rep(i, 1, n-1) {
        int u, v;
        scanf("%d%d", &u, &v);
        add(u, v); add(v, u);
    }
    scanf("%d", &m);
    rep(i, 1, m) {
        int u, v;
        scanf("%d%d", &u, &v);
        query[u].pb(v);
        query[u].pb(i);
        query[v].pb(u);
        query[v].pb(-i);
    }

    LCA(1);
    rep(i, 1, m) printf("%d\n", res[i]);
    /*puts("%----------------%");
    rep(i, 1, n) 
        printf("%d %d %d %d\n", up[i], down[i], mx[i], mn[i]);
        */
    return 0;
}

VECTOR巨慢。。。。

基于部落竞争与成员合作算法(CTCM)融合动态窗口法DWA的无人机三维动态避障方法研究,MATLAB代码 动态避障路径规划:基于部落竞争与成员合作算法(CTCM)融合动态窗口法DWA的无人机三维动态避障方法研究,MATLAB 融合DWA的青蒿素优化算法(AOA)求解无人机三维动态避障路径规划,MATLAB代码 基于动态环境下多智能体自主避障路径优化的DWA算法研究,MATLAB代码 融合DWA的青蒿素优化算法AOA求解无人机三维动态避障路径规划,MATLAB代码 基于DWA的多智能体动态避障路径规划算法研究,MATLAB代码 融合动态窗口法DWA的粒子群算法PSO求解无人机三维动态避障路径规划研究,MATLAB代码 基于粒子群算法PSO融合动态窗口法DWA的无人机三维动态避障路径规划研究,MATLAB代码 基于ACOSRAR-DWA无人机三维动态避障路径规划,MATLAB代码 基于ACOSRAR-DWA无人机三维动态避障路径规划,MATLAB代码 基于DWA的动态环境下无人机自主避障路径优化,MATLAB代码 基于DWA的动态环境下机器人自主避障路径规划,MATLAB代码 基于城市场景下RRT、ACO、A*算法的无人机三维路径规划方法研究,MATLAB代码 基于城市场景下无人机三维路径规划的导航变量的多目标粒子群优化算法(NMOPSO),MATLAB代码 导航变量的多目标粒子群优化算法(NMOPSO)求解复杂城市场景下无人机三维路径规划,MATLAB代码 原创:5种最新多目标优化算法求解多无人机协同路径规划(多起点多终点,起始点、无人机数、障碍物可自定义),MATLAB代码 原创:4种最新多目标优化算法求解多无人机协同路径规划(多起点多终点,起始点、无人机数、障碍物可自定义),MATLAB代码 高维超多目标优化:基于导航变量的多目标粒子群优化算法(NMOPSO)的无人机三维
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