dsu on tree

DSU on Tree 是一种算法,常用于解决树上的无修改区间众数类问题,如CF 600E。算法通过预处理重儿子、维护共享颜色数组以及分别处理轻儿子和重儿子子树来实现。虽然总复杂度为O(n*log^2 n),但详细证明涉及到树链剖分的性质,理解起来有一定难度。

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

正好看到某up主讲了这个就学习一下,up主视频:不分解的AgOH

主要用于解决树上无修改区间众数类问题,比较典型的:CF 600E

证明:自为风月马前卒
算法的主要流程为:

预处理出重儿子
所有子树共享一个记录颜色数量的数组

  1. 对于每个点优先计算其轻儿子子树内部的答案,并在回溯的时候将轻儿子及其自身所包含的子树的颜色信息删除。
  2. 然后计算重儿子其子树内部的答案,并且保留重儿子及其子树的颜色信息。
  3. 然后暴力将所有轻儿子的所有信息加入到颜色数组中,计算答案。

由于一些轻重链剖分中的一些性质,使得总的复杂度在 O ( n ∗ l o g 2 n ) O(n*log_2n) O(nlog2n),这个我不会证,当时没有好好学习树链剖分的证明233。

#include<bits/stdc++.h>
using namespace std;

typedef long long ll;
const int maxn=1e5+7;
struct Edge{
    int v,next;
}edge[maxn<<1];
int head[maxn],top;
void init(int n){
    top=0;
    memset(head,-1,sizeof(int)*n);
}
void add(int u,int v){
    edge[top].v=v;
    edge[top].next=head[u];
    head[u]=top++;
}
int col[maxn];
int siz[maxn],son[maxn];

void dfs(int u,int fa){
    int maxx=0;
    siz[u]=1;
    int v;
    for(int i=head[u];i!=-1;i=edge[i].next){
        v=edge[i].v;
        if(v==fa) continue;
        dfs(v,u);
        siz[u]+=siz[v];
        if(siz[v]>maxx){
            maxx=siz[v];
            son[u]=v;
        }
    }
}
int Son,W[maxn];
ll sum;
int maxx;
void countt(int u,int fa,int val){
    col[W[u]]+=val;
    if(col[W[u]]>maxx) maxx=col[W[u]],sum=W[u];
    else if(col[W[u]]==maxx) sum+=W[u];
    for(int i=head[u];i!=-1;i=edge[i].next){
        int v=edge[i].v;
        if(v==fa||v==Son) continue;
        countt(v,u,val);
    }
}
void del(int u,int fa){
    --col[W[u]];
    for(int i=head[u];i!=-1;i=edge[i].next){
        int v=edge[i].v;
        if(v==fa) continue;
        del(v,u);
    }
}
ll ans[maxn];
void calc(int u,int fa,bool f){
    int v;
    for(int i=head[u];i!=-1;i=edge[i].next){//计算轻儿子的子树对轻儿子的贡献;
        v=edge[i].v;
        if(v==fa||v==son[u]) continue;
        calc(v,u,false);
    }
    if(son[u]) calc(son[u],u,true),Son=son[u];//计算重儿子的子树对重儿子的贡献;
    countt(u,fa,1);//将轻儿子及其子树信息加入到总颜色数组计算u节点的所有信息;
    Son=0,ans[u]=sum;

    if(!f) del(u,fa),sum=0,maxx=0;//若u节点为轻儿子则删除所有信息,否则保留信息;
}

int main(){
    int n,u,v;
    scanf("%d",&n);
    init(n+2);
    for(int i=1;i<=n;++i) scanf("%d",&W[i]);
    for(int i=1;i<n;++i){
        scanf("%d%d",&u,&v);
        add(u,v),add(v,u);
    }
    dfs(1,0);
    maxx=0,sum=0;
    calc(1,0,1);
    for(int i=1;i<=n;++i) printf("%I64d ",ans[i]);
    return 0;
}
04-06
### Disjoint Set Union (DSU) 数据结构解释 Disjoint Set Union (简称 DSU),也被称为并查集,是一种用于处理动态连通性的高效数据结构。它主要用于解决集合的合并与查询问题,特别是在图论中的连通分量分析方面非常有用。 #### 基本操作 DSU 支持两种主要的操作: 1. **Find**: 查找某个元素所属的集合。 2. **Union**: 合并两个不同的集合。 这两种操作的时间复杂度接近于常数时间 \(O(\alpha(n))\),其中 \(\alpha(n)\) 是反阿克曼函数,在实际应用中可以认为是一个很小的常数值[^1]。 #### 实现细节 以下是基于路径压缩和按秩合并优化的经典 DSU 实现: ```python class DSU: def __init__(self, size): self.parent = list(range(size)) self.rank = [0] * size def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) # 路径压缩 return self.parent[x] def union(self, x, y): rootX = self.find(x) rootY = self.find(y) if rootX != rootY: if self.rank[rootX] < self.rank[rootY]: self.parent[rootX] = rootY elif self.rank[rootX] > self.rank[rootY]: self.parent[rootY] = rootX else: self.parent[rootY] = rootX self.rank[rootX] += 1 ``` 上述代码通过 `find` 函数实现了路径压缩技术,而 `union` 函数则采用了按秩合并策略来进一步提升性能[^4]。 #### 应用场景 DSU 广泛应用于以下领域: - 图的连通性检测:判断无向图中有多少个连通分量。 - 动态集合管理:实时维护一组不相交的子集,并支持快速查找与合并。 - Kruska算法:在最小生成计算过程中,利用 DSU 来避免形成环路[^3]。 #### 性能优势 由于其高效的运行时间和简单的实现方式,DSU 成为了许多竞赛编程以及工业级解决方案中的首选工具之一。尤其是在大规模数据集中表现尤为突出[^2]。
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