bzoj4154 [Ipsc2015]Generating Synergy

针对1e5规模的数据集,原树无法有效进行区间覆盖和查询,通过DFS序和深度将点映射到KD树,利用tag标记优化至sqrt复杂度。解决子树修改与查询问题,注意查询时的条件判断避免超时。

https://www.lydsy.com/JudgeOnline/problem.php?id=4154

这种1e5,还要整个子树修改的,显然在原树上就不太可能实现区间覆盖和查询,

子树可以想到dfs序是在一个区间内,深度不超过l可以想到深度在一个区间内,那么把原来的所有点按照dfs序和深度,重新建一棵kd树就行了,然后可以标记一个tag,这个子树的超平面全在更改区间中的时候,直接打tag,不继续向下,这样就优化到sqrt的复杂度了。

然后这题的query不能直接pt<tree[k].p就直接走到左子树,下子树的时候还要判断一下能不能下去,不加这个判断超时。

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

const int maxl=1e5+10;
const int mod=1e9+7;

int n,c,q,m,cnt,tot,idx,ind,root,ans;
long long sum;
int ehead[maxl],dfn[maxl],out[maxl],dep[maxl];
struct ed
{
	int to,nxt;
}e[maxl<<1];
struct point
{
	int x[2],val;
	bool operator < (const point &b)const
	{
		return x[idx]<b.x[idx];
	}	
}a[maxl];
struct kdtree
{
	int ls,rs,tag;
	int mi[2],mx[2];
	point p;
}tree[maxl];


inline void add(int u,int v)
{
	e[++cnt].to=v;e[cnt].nxt=ehead[u];ehead[u]=cnt;
}

inline void dfs(int u)
{
	int v;dfn[u]=++ind;
 	for(int i=ehead[u];i;i=e[i].nxt)
	{
		v=e[i].to;dep[v]=dep[u]+1;
		dfs(v);
	}
	out[u]=ind;
}

inline void push_up(int k)
{
	int s=tree[k].ls;
	if(s)
		for(int i=0;i<2;i++)
			tree[k].mx[i]=max(tree[k].mx[i],tree[s].mx[i]),
			tree[k].mi[i]=min(tree[k].mi[i],tree[s].mi[i]);
	s=tree[k].rs;
	if(s)
		for(int i=0;i<2;i++)
			tree[k].mx[i]=max(tree[k].mx[i],tree[s].mx[i]),
			tree[k].mi[i]=min(tree[k].mi[i],tree[s].mi[i]);
}

inline void build(int &k,int l,int r,int d)
{
	k=++tot;idx=d;
	tree[k].ls=tree[k].rs=0;
	int mid=(l+r)>>1;
	nth_element(a+l,a+mid,a+r+1);
	tree[k].p=a[mid];tree[k].tag=0;
	for(int i=0;i<2;i++)
		tree[k].mx[i]=tree[k].mi[i]=a[mid].x[i];
	if(l<mid)
		build(tree[k].ls,l,mid-1,d^1);
	if(mid<r)
		build(tree[k].rs,mid+1,r,d^1);
	push_up(k);
}

inline void prework()
{
	tot=0;cnt=0;
	scanf("%d%d%d",&n,&c,&q);
	for(int i=1;i<=n;i++)
		ehead[i]=0,dfn[i]=0;
	int u;
	for(int i=2;i<=n;i++)
	{
		scanf("%d",&u);
		add(u,i);
	}
	dep[1]=1;ind=0;
	dfs(1);
	for(int i=1;i<=n;i++)
		a[i].x[0]=dep[i],a[i].x[1]=dfn[i],a[i].val=1;
	root=0;
	build(root,1,n,0);
}

inline void gank(int k)
{
	if(!tree[k].tag) return;
	int c=tree[k].tag,ls=tree[k].ls,rs=tree[k].rs;
	if(ls)
		tree[ls].p.val=c,tree[ls].tag=c;
	if(rs)
		tree[rs].p.val=c,tree[rs].tag=c;
	tree[k].tag=0;
}

inline bool cross(int k,int x1,int x2,int y1,int y2)
{
	if(!k) return false;
	if(x1>tree[k].mx[0] || x2<tree[k].mi[0] || y1>tree[k].mx[1] || y2<tree[k].mi[1])
		return false;
	return true;
}

inline void upd(int k,int x1,int x2,int y1,int y2,int c)
{
	if(!k) return;
	gank(k);
	if(x1<=tree[k].p.x[0] && tree[k].p.x[0]<=x2 && y1<=tree[k].p.x[1] && tree[k].p.x[1]<=y2)
		tree[k].p.val=c;
	if(x1<=tree[k].mi[0] && tree[k].mx[0]<=x2 && y1<=tree[k].mi[1] && tree[k].mx[1]<=y2)
	{
		tree[k].tag=c;
		return;
	}
	if(cross(tree[k].ls,x1,x2,y1,y2))
		upd(tree[k].ls,x1,x2,y1,y2,c);
	if(cross(tree[k].rs,x1,x2,y1,y2))
		upd(tree[k].rs,x1,x2,y1,y2,c);
}

inline void query(int k,point pt,int d)
{
	if(!k) return;
	gank(k);idx=d;
	if(tree[k].p.x[0]==pt.x[0] && tree[k].p.x[1]==pt.x[1])
	{
		ans=tree[k].p.val;
		return;
	}
	if(pt<tree[k].p)
	{
		if(cross(tree[k].ls,pt.x[0],pt.x[0],pt.x[1],pt.x[1]))
			query(tree[k].ls,pt,d^1);
		if(!ans)
			query(tree[k].rs,pt,d^1);
	}
	else
	{
		if(cross(tree[k].rs,pt.x[0],pt.x[0],pt.x[1],pt.x[1]))
			query(tree[k].rs,pt,d^1);
		if(!ans)
			query(tree[k].ls,pt,d^1);
	}
}

inline void mainwork()
{
	int a,l,c;sum=0;point d;
	for(int i=1;i<=q;i++)
	{
		scanf("%d%d%d",&a,&l,&c);
		if(c==0)
		{
			ans=0;d.x[0]=dep[a];d.x[1]=dfn[a];
			query(root,d,0);
			sum=(sum+1ll*i*ans)%mod;
		}
		else
			upd(root,dep[a],dep[a]+l,dfn[a],out[a],c);
	}
}

inline void print()
{
	printf("%lld\n",sum);
}

int main()
{
	int t;
	scanf("%d",&t);
	for(int i=1;i<=t;i++)
	{
		prework();
		mainwork();
		print();
	}
	return 0;
}

 

【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究(Matlab代码实现)内容概要:本文围绕【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究展开,重点介绍基于Matlab的代码实现方法。文章系统阐述了遍历理论的基本概念、动态模态分解(DMD)的数学原理及其与库普曼算子谱特性之间的内在联系,展示了如何通过数值计算手段分析非线性动力系统的演化行为。文中提供了完整的Matlab代码示例,涵盖数据驱动的模态分解、谱分析及可视化过程,帮助读者理解并复现相关算法。同时,文档还列举了多个相关的科研方向和技术应用场景,体现出该方法在复杂系统建模与分析中的广泛适用性。; 适合人群:具备一定动力系统、线性代数与数值分析基础,熟悉Matlab编程,从事控制理论、流体力学、信号处理或数据驱动建模等领域研究的研究生、博士生及科研人员。; 使用场景及目标:①深入理解库普曼算子理论及其在非线性系统分析中的应用;②掌握动态模态分解(DMD)算法的实现与优化;③应用于流体动力学、气候建模、生物系统、电力系统等领域的时空模态提取与预测;④支撑高水平论文复现与科研项目开发。; 阅读建议:建议读者结合Matlab代码逐段调试运行,对照理论推导加深理解;推荐参考文中提及的相关研究方向拓展应用场景;鼓励在实际数据上验证算法性能,并尝试改进与扩展算法功能。
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
### NOIP2015 运输计划 BZOJ4326 题解分析 #### 问题背景 该问题是经典的图论优化问题之一,主要考察树结构上的路径操作以及高效的数据处理能力。题目要求在一个由 $n$ 个节点组成的无向连通树中找到最优的一条边将其改造为虫洞(通过此边不需要耗费时间),从而使得给定的 $m$ 条运输路径中的最长耗时最小化。 --- #### 解决方案概述 解决这一问题的核心在于利用 **二分答案** 和 **树上差分技术** 的组合来实现高效的计算过程。以下是具体的技术细节: 1. **二分答案**: 设当前目标是最小化的最大路径长度为 $T_{\text{max}}$。我们可以通过二分的方式逐步逼近最终的结果。每次尝试验证是否存在一种方式将某条边改为虫洞后使所有路径的最大值不超过当前设定的目标值 $mid$[^1]。 2. **路径标记与统计**: 使用树上差分的思想对每一条路径进行标记并快速统计受影响的情况。假设两点之间的最近公共祖先 (Lowest Common Ancestor, LCA) 是 $r = \text{lca}(u_i, v_i)$,则可以在三个位置分别施加影响:增加 $(u_i + 1), (v_i + 1)$ 同时减少 $(r - 2)$。这种操作能够有效覆盖整条路径的影响范围,并便于后续统一查询和判断[^1]。 3. **数据结构支持**: 结合线段树或者 BIT (Binary Indexed Tree),可以进一步加速区间修改和单点查询的操作效率。这些工具帮助我们在复杂度范围内完成大量路径的同时更新和检索需求[^2]。 4. **实际编码技巧**: 实现过程中需要注意一些边界条件和技术要点: - 正确维护 DFS 序列以便映射原树节点到连续编号序列; - 准备好辅助函数用于快速定位 LCA 节点及其对应关系; - 编码阶段应特别留意变量初始化顺序及循环终止逻辑以防潜在错误发生。 下面给出一段基于上述原理的具体 Python 实现代码作为参考: ```python from collections import defaultdict, deque class Solution: def __init__(self, n, edges): self.n = n self.graph = defaultdict(list) for u, v, w in edges: self.graph[u].append((v, w)) self.graph[v].append((u, w)) def preprocess(self): """Preprocess the tree to get dfs order and lca.""" pass def binary_search_answer(self, paths): low, high = 0, int(1e9) best_possible_time = high while low <= high: mid = (low + high) // 2 if self.check(mid, paths): # Check feasibility with current 'mid' best_possible_time = min(best_possible_time, mid) high = mid - 1 else: low = mid + 1 return best_possible_time def check(self, limit, paths): diff_array = [0]*(self.n+1) for path_start, path_end in paths: r = self.lca(path_start, path_end) # Apply difference on nodes based on their relationship. diff_array[path_start] += 1 diff_array[path_end] += 1 diff_array[r] -= 2 suffix_sum = [sum(diff_array[:i]) for i in range(len(diff_array)+1)] # Verify whether any edge can be modified within given constraints. possible_to_reduce_max = False for node in range(1, self.n+1): parent_node = self.parent[node] if suffix_sum[node]-suffix_sum[parent_node]>limit: continue elif not possible_to_reduce_max: possible_to_reduce_max=True return possible_to_reduce_max # Example usage of class methods would follow here... ``` --- #### 总结说明 综上所述,本题的关键突破点在于如何巧妙运用二分策略缩小搜索空间,再辅以恰当的树形结构遍历技术和差分手段提升整体性能表现。这种方法不仅适用于此类特定场景下的最优化求解任务,在更广泛的动态规划领域也有着广泛的应用前景[^3]。 ---
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
 
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