LCT

【算法简介】

又是一个大数据结构!

简单的说,LCT是维护了一个森林,每个树都是一棵splay,由虚边连接着各个树

支持操作:

  • 查询、修改链上的信息(最值,总和等)
  • 随意指定原树的根(即换根)
  • 动态连边、删边
  • 动态维护连通性

性质:

每一个Splay维护的是一条从上到下按在原树中深度严格递增的路径,且中序遍历Splay得到的每个点的深度序列严格递增。

边分为实边和虚边,实边包含在Splay中,而虚边总是由一棵Splay指向另一个节点(指向该Splay中中序遍历最靠前的点在原树中的父亲)。

操作函数:

1.access

access即为打通根节点到指定节点的实链,使得一条中序遍历以根开始、以指定点结束的Splay出现。

实现方式:

  1. 转到根
  2. 换儿子
  3. 更新信息
  4. 当前操作点切换为轻边所指的父亲,转1
void access(int x)
{
    for(int y=0;x;y=x,x=fa(x))
        splay(x),rc(x)=y,pushup(x);
}

2.makeroot

makeroot旨在将指定节点转换为原树的根

void pushrev(int x)
{
    swap(lc(x),rc(x));
    tr[x].rev^=1;
}
void makeroot(int x)
{
    access(x); splay(x);
    pushrev(x);
}

3.findroot

findroot找到原树的根,一般用于判断连通性

int findroot(int x)
{
    access(x); splay(x);
    while(lc(x)) pushdown(x),x=lc(x);
    splay(x);
    return x;
}

4.split

split是把x-y的路径取出来

void split(int x,int y)
{
    makeroot(x);
    access(y); splay(y);
}

5.link

连接x-y的边

void link(int x,int y)
{
    makeroot(x);
    if(findroot(y)==x) return;//保证连边合法时不用加
    fa(x)=y;
}

6.cut

断开x-y的边

void cut(int x,int y)
{
    makeroot(x);
    if(findroot(y)!=x || tr[x].siz>2) return;//保证断边合法时不用加
    fa(y)=rs(x)=0;
    pushup(x);
}

【习题】

1.P2387 [NOI2014] 魔法森林

这个是经典的LCT操作,不断加边,直到出现环,断一条环上最劣边继续维护即可

sol

2.P4219 [BJOI2014]大融合

典型的LCT维护子树信息,注意下access和link操作时候对虚儿子信息的影响

sol

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和提取特定地物目标(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。
### LCT(Link-Cut Tree)算法介绍 LCT是一种高级数据结构,用于处理动态树问题。这种数据结构支持高效的路径查询和更新操作,在线性时间内完成初始化,并能在对数时间复杂度内执行各种操作。 #### 动态树模型的特点 对于任何一棵由多个节点构成的有根树而言,通过一系列链接(link)与切割(cut)的操作能够改变这棵树的形态而不影响其他部分的数据一致性[^1]。具体来说: - **link(u,v)**:将两棵原本独立存在的子树连接起来形成新的父子关系; - **cut(v)** :切断某个特定位置处原有的父辈关联; 这些特性使得LCT非常适合解决涉及频繁修改拓扑结构的任务场景下的图论难题。 #### 关键技术点 为了高效管理复杂的树形结构变化,LCT引入了一些重要的概念和技术手段: ##### Splay Trees作为底层支撑 采用伸展树(Splay Tree)作为基本组件构建而成,利用其自调整性质保证访问局部区域时整体性能优越。每当需要读取或者更改某条链路上的信息时,都会触发一次自动重组动作使该片段成为当前可见范围内的“主干”。 ##### Path Decomposition路径分解策略 当面对大规模网络环境里错综复杂的分支情况时,采取分治思路把整张大网拆分成若干相对简单的组成部分逐一击破。每一段连续区间内部维持着紧密联系而不同区段之间则保持松散耦合状态以便于灵活调度资源分配。 ##### Lazy Propagation延迟传播机制 针对某些全局性的属性变更需求(比如加权求和),不是立刻逐层向下传递通知到每一个末端单元格去同步刷新数值,而是暂时记录下来等到真正需要用到的时候才一次性结算清楚。这样做既减少了不必要的重复劳动又提高了响应速度。 ```cpp // C++ implementation of basic operations on an LCT node structure. struct Node { int val, sum; bool rev; // Reversed flag for lazy propagation Node *p, *c[2]; // Parent and children pointers void push_down() const {} // Apply any pending changes to this subtree }; ``` #### 应用实例分析 在实际编程竞赛或工程实践中遇到如下几类典型应用场景时常会考虑运用LCT来简化解决方案的设计难度并提升运行效率: - 维护森林中任意两点间距离的最大/最小值; - 查询给定范围内结点所组成的连通域大小; - 支持在线边增删的同时快速统计指定条件满足的数量分布规律等。 上述功能均可以通过巧妙组合基础指令达成目的,体现了LCT强大的表达能力和广泛的适用价值[^3]。
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