hdoj 5044 LCA

本文深入探讨了一道关于树形结构的操作题目的解法,重点介绍了树链剖分技术和优化策略。通过实例分析,阐述了如何在特定条件下高效地更新树上节点和边的权重,包括在边界节点上进行更新以及如何处理叶子方向的更新问题。代码实例展示了如何利用邻接表和操作数组实现算法,并通过LCA查找最近公共祖先来优化更新过程。

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

代码参考

hdoj 5044

题意:给一棵树,进行若干次操作,每次操作可以增加点u到点v路径上各边或各点的权值。

思路:树链剖分lca什么的。。。并不会

这题加了数据,所以网上很多以前ac的代码都过不了,学习了上面那份代码。

简单思路就是在要修改的范围的边界节点上更新值,每个节点的值是它所有的子节点值的累加。


点的权值就记录在点上,而边的权值可以记录在叶子方向的点上。

所谓叶子方向,就是沿着边走距离根更远的方向。。虽然是无向边,但是记录下来的边是有向的。

若想更新4-5上所有的边,就要更新边2-3、3-4、2-5,也就是更新点3、4、5,但是在累加的时候,子节点的值会全部累加到父节点上,所以点2(最近公共祖先)应该再减去2倍的更新值;

若想更新4-5上所有的点,就要更新点2、3、4、5,这样点2(最近公共祖先)就会被多更新一次,而它的父节点也会被多更新一次,所以这两个节点需要减去1倍的更新值。

#include <cstdio>
#include <cstring>
const int M = 1e5 + 10;
struct Edge {
    int v, id, next;
}edge[M * 4];
int a[M], b[M], k[M], to[M], lca[M], head[M], opr[M], cnt, fa[M], father[M];
long long valnode[M], valedge[M];
bool type[M], vis[M];
void init(){
    memset(valnode, 0, sizeof valnode);
    memset(valedge, 0, sizeof valedge);
    memset(opr, -1, sizeof opr);
    memset(head, -1, sizeof head);
    memset(vis, 0, sizeof vis);
    cnt = 0;
}
int findfa(int a){
    return father[a] == a ? a : findfa(father[a]);
}
void addedge(int u, int v, int id){//邻接表
    edge[cnt].v = v;
    edge[cnt].next = head[u];
    edge[cnt].id = id;
    head[u] = cnt++;
}
void addopr(int u, int v, int id){
    edge[cnt].v = v;
    edge[cnt].next = opr[u];
    edge[cnt].id = id;
    opr[u] = cnt++;
}
void LCA(int now, int f){
    father[now] = now;//这样做每个分支节点都将作为其子孙节点的最近公共祖先,遍历完后它的真实祖先会修改为其父节点
    fa[now] = f;
    vis[now] = true;
    for(int i = opr[now]; i != -1; i = edge[i].next){
        int v = edge[i].v, id = edge[i].id;
        if(vis[v]) lca[id] = findfa(v);
    }
    for(int i = head[now]; i != -1; i = edge[i].next){
        int v = edge[i].v, id = edge[i].id;
        if(v == f) continue;
        LCA(v, now);
        to[id] = v;
        father[v] = now;
    }
}
void getans(int now, int fa){
    for(int i = head[now]; i != -1; i = edge[i].next) {
        int v = edge[i].v, id = edge[i].id;
        if(v == fa) continue;
        getans(v, now);
        valnode[now] += valnode[v];
        valedge[now] += valedge[v];
    }
}
main() {
    int n, m, t;
    scanf("%d", &t);
    for(int cas = 1; cas <= t; cas++){
        init();
        scanf("%d %d", &n, &m);
        for(int i = 0; i < n - 1; i++){
            int u, v;
            scanf("%d %d", &u, &v);
            addedge(u, v, i);
            addedge(v, u, i);
        }
        for(int i = 0; i < m; i++) {
            char str[10];
            scanf("%s %d %d %d", str, &a[i], &b[i], &k[i]);
            type[i] = str[3] == '1';
            addopr(a[i], b[i], i);
            addopr(b[i], a[i], i);
        }
        LCA(1, -1);
        fa[1] = 0;
        for(int i = 0; i < m; i++){
            if(type[i]){
                valnode[a[i]] += k[i];
                valnode[b[i]] += k[i];
                valnode[lca[i]] -= k[i];
                valnode[fa[lca[i]]] -= k[i];
            }
            else {
                valedge[a[i]] += k[i];
                valedge[b[i]] += k[i];
                valedge[lca[i]] -= k[i] * 2;
            }
        }
        getans(1, -1);
        printf("Case #%d:\n", cas);
        for(int i = 1; i <= n; i++){
            if(i != 1) putchar(' ');
            printf("%I64d", valnode[i]);
        }
        putchar('\n');
        for(int i = 0; i < n - 1; i++){
            if(i) putchar(' ');
            printf("%I64d", valedge[to[i]]);
        }
        putchar('\n');
    }
}


内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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