最近公共祖先线性算法

题目大意

给定一棵有 nnn 个点的树,回答 qqq 组点对 (a,b)(a,b)(a,b) 的最近公共祖先。
数据范围 1⩽N,M⩽100000001\leqslant N,M\leqslant 100000001N,M10000000

题解

%  维护一个并查集,一开始所有点的祖先都是自己,先进行一次深度优先遍历,每次离开一个点的时候,将其标记为已到达,并遍历询问中(邻接表储存)和这个点有关的询问,若另一个点标记为已到达,则答案为另一个点在并查集中的祖先(后面),最后让这个点在并查集中认自己的真实父亲作父亲。
  如此,每个点会且仅会被遍历一次,在离开的时候,和某个点相关的询问会且只会被访问两次,考虑到此处并查集必须严格按照原树的结构合并,不能按秩合并,因而最坏时间复杂度为 T(n)=Θ(nlog⁡1+mnn+2q)T(n)=\Theta(n\log_{1+\frac mn} n+2q)T(n)=Θ(nlog1+nmn+2q)  这是时间复杂度低于倍增的离线算法,名称也是Tarjan\texttt{Tarjan}Tarjan算法。

代码

#include<bits/stdc++.h>
using namespace std;
#define maxn 500010
struct edge{
	int v,next,code;
}edges[maxn<<1],que[maxn<<1];
int head[maxn],hque[maxn],len=0,ques=0;
void ins_edge(int u,int v){
	edges[++len]=(edge){v,head[u]};
	head[u]=len;
}
void ins_que(int u,int v,int code){
	que[++ques]=(edge){v,hque[u],code};
	hque[u]=ques;
}
int n,q,f[maxn],d[maxn];
int findfa(int x){
	if(f[x]==x) return x;
	return f[x]=findfa(f[x]);
}
struct dfss{
	int u,fa;
}sta[maxn];
int top=0;
bool vis[maxn];
int ans[maxn];
void dfs(int tt){
	sta[++top]=(dfss){tt,-1};
	while(top>0){
		int u=sta[top].u,fa=sta[top].fa;
		for(int &i=head[u];i;i=edges[i].next){
			int v=edges[i].v;
			if(v==fa)continue;
			sta[++top]=(dfss){v,u};
			break;
		} head[u]=edges[head[u]].next;
		if(sta[top].u==u){
			for(int i=hque[u];i;i=que[i].next)
				if(vis[que[i].v]) ans[que[i].code]=findfa(que[i].v);
			vis[u]=true;
			f[findfa(u)]=findfa(fa);
			--top;
		}
	}
}
int main(){
	int tt;
	scanf("%d%d%d",&n,&q,&tt);
	for(int i=1;i<=n;i++) f[i]=i;
	for(int i=1,a,b;i<n;i++){
		scanf("%d %d",&a,&b);
		ins_edge(a,b),ins_edge(b,a);
	}
	for(int i=1,a,b;i<=q;i++){
		scanf("%d%d",&a,&b);
		ins_que(a,b,i),ins_que(b,a,i);
	}
	dfs(tt);
	for(int i=1;i<=q;i++)
		printf("%d\n",ans[i]);
	return 0;
}
内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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