bzoj2049 [Sdoi2008]Cave 洞穴勘测

Description


辉辉热衷于洞穴勘测。某天,他按照地图来到了一片被标记为JSZX的洞穴群地区。经过初步勘测,辉辉发现这片区域由n个洞穴(分别编号为1到n)以及若干通道组成,并且每条通道连接了恰好两个洞穴。假如两个洞穴可以通过一条或者多条通道按一定顺序连接起来,那么这两个洞穴就是连通的,按顺序连接在一起的这些通道则被称之为这两个洞穴之间的一条路径。洞穴都十分坚固无法破坏,然而通道不太稳定,时常因为外界影响而发生改变,比如,根据有关仪器的监测结果,123号洞穴和127号洞穴之间有时会出现一条通道,有时这条通道又会因为某种稀奇古怪的原因被毁。辉辉有一台监测仪器可以实时将通道的每一次改变状况在辉辉手边的终端机上显示:如果监测到洞穴u和洞穴v之间出现了一条通道,终端机上会显示一条指令 Connect u v 如果监测到洞穴u和洞穴v之间的通道被毁,终端机上会显示一条指令 Destroy u v 经过长期的艰苦卓绝的手工推算,辉辉发现一个奇怪的现象:无论通道怎么改变,任意时刻任意两个洞穴之间至多只有一条路径。因而,辉辉坚信这是由于某种本质规律的支配导致的。因而,辉辉更加夜以继日地坚守在终端机之前,试图通过通道的改变情况来研究这条本质规律。然而,终于有一天,辉辉在堆积成山的演算纸中崩溃了……他把终端机往地面一砸(终端机也足够坚固无法破坏),转而求助于你,说道:“你老兄把这程序写写吧”。辉辉希望能随时通过终端机发出指令 Query u v,向监测仪询问此时洞穴u和洞穴v是否连通。现在你要为他编写程序回答每一次询问。已知在第一条指令显示之前,JSZX洞穴群中没有任何通道存在。

100%的数据满足n≤10000, m≤200000
保证所有Destroy指令将摧毁的是一条存在的通道

Solution


LCT裸题,感觉全世界只有我不会系列
与树链剖分类似的,我们定义轻重链(实际上是偏好边),用支持翻转、插入删除的splay来维护重链信息。每一棵splay代表一条重链,每一棵splay的根指向重链顶点连出轻边的出点。splay默认以深度作为关键字,即x的左儿子深度小于x,其他同理

对于核心操作acess(x),就是把从根到x的路径全部变成重边,再把x到重儿子的重边断掉。
而mroot(x)操作表示把x变成所在树(实际上的树)的根,具体操作就是access再splay。但是直接旋到根会破坏splay的各种性质,那么整棵splay翻转一下就OK
link和cut分别是连边、删边操作,具体实现可以看代码

Code


#include <stdio.h>
#include <string.h>
#include <algorithm>
#include <stack>
const int N=10005;
struct treeNode{int son[2],fa,lazy; bool is_root;}t[N];
std:: stack<int> stack;
void push_down(int x) {
    if (!t[x].lazy) return ;
    t[t[x].son[0]].lazy^=1;
    t[t[x].son[1]].lazy^=1;
    t[x].lazy=0;
    std:: swap(t[x].son[0],t[x].son[1]);
}
void rotate(int x) {
    if (t[x].is_root) return ;
    int y=t[x].fa; int z=t[y].fa;
    int k=t[y].son[1]==x;
    t[y].son[k]=t[x].son[!k];
    if (t[x].son[!k]) t[t[x].son[!k]].fa=y;
    t[x].son[!k]=y;
    t[y].fa=x;
    t[x].fa=z;
    if (t[y].is_root) {
        t[x].is_root=1;
        t[y].is_root=0;
    } else t[z].son[t[z].son[1]==y]=x;
}
void remove(int x) {
    if (!t[x].is_root) remove(t[x].fa);
    push_down(x);
}
void splay(int x) {
    remove(x);
    while (!t[x].is_root) {
        int y=t[x].fa; int z=t[y].fa;
        if (!t[y].is_root) {
            if ((t[y].son[1]==x)^(t[z].son[1]==y)) rotate(x);
            else rotate(y);
        }
        rotate(x);
    }
}
void acess(int x) {
    int y=0;
    do {
        splay(x);
        t[t[x].son[1]].is_root=1;
        t[t[x].son[1]=y].is_root=0;
        y=x; x=t[x].fa;
    } while (x);
}
void mroot(int x) {
    acess(x); splay(x);
    t[x].lazy^=1;
}
void link(int x,int y) {
    mroot(x); t[x].fa=y;
}
void cut(int x,int y) {
    mroot(x); splay(y);
    t[t[y].son[0]].fa=t[y].fa;
    t[t[y].son[0]].is_root=1;
    t[y].son[0]=0; t[y].fa=0;
}
int get_root(int x) {
    while (t[x].fa) x=t[x].fa;
    return x;
}
int main(void) {
    // freopen("data.in","r",stdin);
    // freopen("myp.out","w",stdout);
    int n,m; scanf("%d%d",&n,&m);
    for (int i=1;i<=n;i++) t[i].son[0]=t[i].son[1]=t[i].fa=0,t[i].is_root=1;
    while (m--) {
        char opt[10]; scanf("%s",opt);
        int x,y; scanf("%d%d",&x,&y);
        if (opt[0]=='Q') {
            if (get_root(x)==get_root(y)) puts("Yes");
            else puts("No");
        } else if (opt[0]=='D') {
            cut(x,y);
        } else if (opt[0]=='C') {
            link(x,y);
        }
    }
    return 0;
}
内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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