HDU 5877 Weak Pair 大连网络赛

题意就是说给你一棵有根树,然后定义了一种有序对叫做weak pair,两个点若满足 第一个点是第二个点的祖先,而且第一个点和第二个点的权值相乘,乘积小于他给的k,那么就是weak pair,方法很简单,就是dfs,从根节点开始向下找,看这个点和他的祖先节点有多少满足情况,比赛时的想法是dfs到某个深度的时候,把之前的所有祖先的权值存在一个数组里,然后去看有多少符合条件的加在ans里,然后超时了,gg,怎么也没想到优化,后来知道有splay树这种东西,可以很快找到有多少符合条件的,但是不会呀,所以看了别人的做法,有用treap的,就用了treap的模板(之前也对这玩意不怎么熟,只知道有这个东西不会用),方法是,看祖先节点中有多少权值小于 k/当前节点权值 ,这样子就比较快了。

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <vector>
using namespace std;
typedef long long LL;

int n, m;
int a[100005];
int in[100005];
int head[100005];
LL k;
LL ans;

int cnt;

struct Edge
{
	int from, to;
	int next;
}edge[100005];

void addedge(int u, int v)
{
	edge[cnt].next = head[u];
	edge[cnt].from = u;
	edge[cnt].to = v;
	head[u] = cnt++;
}


struct Treap
{
	int size;
	int fix;
	LL key;
	Treap *ch[2];

	Treap(LL key)
	{
		size = 1;
		fix = rand();
		this->key = key;
		ch[0] = ch[1] = NULL;
	}
	int cmp(LL x) const
	{
		if (x == key) return -1;
		return x < key ? 0 : 1;
	}
	void Maintain()
	{
		size = 1;
		if (ch[0] != NULL) size += ch[0]->size;
		if (ch[1] != NULL) size += ch[1]->size;
	}
};

void Rotate(Treap* &t, int d)
{
	Treap *k = t->ch[d ^ 1];
	t->ch[d ^ 1] = k->ch[d];
	k->ch[d] = t;
	t->Maintain();
	k->Maintain();
	t = k;
}

void Insert(Treap* &t, LL x)
{
	if (t == NULL) t = new Treap(x);
	else
	{
		int d = (x < t->key ? 0 : 1);
		Insert(t->ch[d], x);
		if (t->ch[d]->fix > t->fix)
			Rotate(t, d ^ 1);
	}
	t->Maintain();
}

void Delete(Treap* &t, LL x)
{
	int d = t->cmp(x);
	if (d == -1)
	{
		Treap *tmp = t;
		if (t->ch[0] == NULL)
		{
			t = t->ch[1];
			delete tmp;
			tmp = NULL;
		}
		else if (t->ch[1] == NULL)
		{
			t = t->ch[0];
			delete tmp;
			tmp = NULL;
		}
		else
		{
			int k = (t->ch[0]->fix > t->ch[1]->fix ? 1 : 0);
			Rotate(t, k);
			Delete(t->ch[k], x);
		}
	}
	else
		Delete(t->ch[d], x);
	if (t != NULL) t->Maintain();
}

bool Find(Treap *t, LL x)
{
	while (t != NULL)
	{
		int d = t->cmp(x);
		if (d == -1) return true;
		t = t->ch[d];
	}
	return false;
}

int Rank(Treap *t, LL x)
{
	int r;
	if (t == NULL) return 0;
	if (t->ch[0] == NULL) r = 0;
	else r = t->ch[0]->size;
	if (x == t->key) return r + 1;
	if (x < t->key)
		return Rank(t->ch[0], x);
	return r + 1 + Rank(t->ch[1], x);
}

void DeleteTreap(Treap* &t)
{
	if (t == NULL) return;
	if (t->ch[0] != NULL) DeleteTreap(t->ch[0]);
	if (t->ch[1] != NULL) DeleteTreap(t->ch[1]);
	delete t;
	t = NULL;
}

void search(int u, Treap* &t)
{
	//if (head[u] == -1) return;
	LL Max = 0x3f3f3f3f3f3f3f3f;
	if (a[u]) Max = k / (a[u]);
	ans += Rank(t, Max);

	Insert(t, a[u]);

	for (int i = head[u]; i != -1; i = edge[i].next)
		search(edge[i].to, t);
	
	Delete(t, a[u]);
	return;
}

int main(void)
{
	//freopen("test.txt", "r", stdin);
	int T;
	scanf("%d", &T);
	while (T--)
	{
		ans = 0;
		cnt = 0;
		memset(in, 0, sizeof in);
		memset(head, -1, sizeof head);
		Treap *root = NULL;
		scanf("%d%lld", &n, &k);
		for (int i = 1; i <= n; i++)
			scanf("%d", &a[i]);
		int l, r;
		for (int i = 0; i < n - 1; i++)
		{
			scanf("%d%d", &l, &r);
			addedge(l, r);
			in[r]++;
		}
		for (int i = 1; i <= n; i++)
		{
			if (in[i] == 0)
			{
				search(i, root);
				break;
			}
		}
		DeleteTreap(root);
		printf("%lld\n", ans);
	}
	return 0;
}




内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
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