Luogu P3806 点分治模板1

本文深入探讨了点分治算法在解决树上点对距离问题的应用。通过寻找树的重心,利用递归策略,有效处理了树状结构上的路径查询,实现对特定距离点对的有效搜索。

题意:

  给定一棵有n个点的树询问树上距离为k的点对是否存在。

 

分析:

  这个题的询问和点数都不多(但是显然暴力是不太好过的,即使有人暴力过了)

  这题应该怎么用点分治呢。显然,一个模板题,我们直接用套路,每次找重心,对于这个重心处理,过当前点的符合要求的路径。

  我们可以看到这个最大长度1e7,开数组是开得下的,所以维护一个数组(或者bitset也行)来保存之前的子树中到根距离的长度,之后访问到每个子树时,先查询,再记录,最后删除标记,将所有的点都统计完之后,答案便被保存到了数组中,直接按照题意输出即可。

代码:

 1 #include<bits/stdc++.h>
 2 using namespace std;
 3 const int N=100005,inf=1e7;
 4 struct node{int y,z,nxt;}e[N<<1];
 5 int n,m,c=0,h[N],mx[N],siz[N],d[N],rem[N],sm;
 6 int t[inf],jd[inf],vis[N],que[N],q[N],rt,ans;
 7 void add(int x,int y,int z){
 8     e[++c]=(node){y,z,h[x]};h[x]=c;
 9     e[++c]=(node){x,z,h[y]};h[y]=c;
10 } void getrt(int x,int fa){//负责找重心 
11     siz[x]=1;mx[x]=0;
12     for(int i=h[x],y;i;i=e[i].nxt)
13     if((y=e[i].y)!=fa&&!vis[y]){
14         getrt(y,x);siz[x]+=siz[y];
15         mx[x]=max(mx[x],siz[y]);
16     } mx[x]=max(mx[x],sm-siz[x]);
17     if(mx[x]<mx[rt]) rt=x;return ;
18 } void dfs(int x,int fa){//负责求点到子树中点的距离 
19     rem[++rem[0]]=d[x];
20     for(int i=h[x],y;i;i=e[i].nxt)
21     if((y=e[i].y)!=fa&&!vis[x])
22     d[y]=d[x]+e[i].z,dfs(y,x);
23 } void calc(int x){ int p=0;//负责处理x点为根的子树 
24     for(int i=h[x],y;i;i=e[i].nxt)
25     if(!vis[y=e[i].y]){
26         rem[0]=0;d[y]=e[i].z;dfs(y,x);
27         for(int j=rem[0];j;j--)
28         for(int k=1;k<=m;k++)
29         if(que[k]>=rem[j])
30         t[k]|=jd[que[k]-rem[j]];
31         for(int j=rem[0];j;j--)
32         q[++p]=rem[j],jd[rem[j]]=1;
33     } for(int i=1;i<=p;i++) jd[q[i]]=0;
34 } void solve(int x){//负责每次找重心,层层分治 
35     vis[x]=jd[0]=1;calc(x);
36     for(int i=h[x],y;i;i=e[i].nxt){
37         if(vis[y=e[i].y]) continue;
38         sm=siz[y];mx[rt=0]=inf;
39         getrt(y,0);solve(rt);
40     } return;
41 } int main(){
42     scanf("%d%d",&n,&m);
43     for(int i=1,x,y,z;i<n;i++)
44     scanf("%d%d%d",&x,&y,&z),add(x,y,z);
45     for(int i=1;i<=m;i++) scanf("%d",&que[i]);
46     mx[rt]=sm=n;getrt(1,0);solve(rt);
47     for(int i=1;i<=m;i++)
48     if(t[i]) puts("AYE");else puts("NAY");
49     return 0;
50 }
点分治

 

转载于:https://www.cnblogs.com/Alan-Luo/p/10423521.html

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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