树链剖分 学习笔记

写在前面,算法笔记只是针对个人复习用,要想学习这个算法还是要看更详细的博客或视频讲解。

树链剖分

基本概念不讲,讲一下各个函数的作用,以及基本实现原理;

首先要知道树链剖分的作用就是把树上问题转化为线性问题;

线性问题众所周知就有区间问题,有区间问题就有线段树这种东西;

所以树链剖分就是先把树拆成一条条链(线性),然后用线段树维护区间就行;

怎么拆是最难的,我觉得搞懂dfs序是前提,因为就是根据dfs序进行拆分的;

这里不解释了;

  1. dfs1 这个函数就是相当于预处理,预处理出树的每个结点的 deep(深度),fa(父亲),size(子树大小),son(重儿子编号);
void dfs1(int p,int fat){
	size[p]=1,fa[p]=fat;
	int mx=-1;
	for(int i=head[p];~i;i=edge[i].nex){
		int q=edge[i].to;
		if(q!=fat){
			deep[q]=deep[p]+1;
			dfs1(q,p);
			size[p]+=size[q];
			if(size[q]>mx) son[p]=q,mx=size[q]; 
		}
	}
}
  1. dfs2 这个函数就是dfs序进行拆分了,求出每个点的 id(新编号),w(新编号点的权值),top(每个结点所在链的顶端)
void dfs2(int p,int topp){
	id[p]=++tot,w[tot]=a[p],top[p]=topp;
	if(!son[p]) return;//没有重儿子,也就是叶子结点 
	dfs2(son[p],topp);//先处理重儿子 
	for(int i=head[p];~i;i=edge[i].nex){
		int q=edge[i].to;
		if(q==fa[p]||q==son[p]) continue;
		dfs2(q,q);
	}
}
  1. 然后就是最重要的询问和修改函数了,因为已经转化为线性了,所以只要求出要维护的区间的就行(然后用线段树维护这个区间),就可以了;怎么求出要维护的区间,就跟求LCA的思路差不多;
LL query_chain(int x,int y){
	LL ans=0;
	while(top[x]!=top[y]){
		if(deep[top[x]]<deep[top[y]]) swap(x,y);//保证x结点的顶点更深 
		(ans+=query(id[top[x]],id[x],1))%=p;
		x=fa[top[x]]; 
	}
	if(deep[x]<deep[y]) swap(x,y);
	(ans+=query(id[y],id[x],1))%=p;
	return ans;
}
LL query_tree(int x){
	LL ans=0;
	(ans+=query(id[x],id[x]+size[x]-1,1))%=p;
	return ans;
}

全部代码来自这个题:

洛谷·P3384 【模板】轻重链剖分

代码:

#include<bits/stdc++.h>
#define LL long long
#define pa pair<int,int>
#define ls k<<1
#define rs k<<1|1
#define inf 0x3f3f3f3f
using namespace std;
const int N=100100;
const int M=50100;
const LL mod=10007;
LL a[N],p,w[N];
int head[N],cnt,n,m,r;
int size[N],fa[N],son[N],deep[N];
int top[N],id[N],tot;
struct Node{
	int to,nex;
}edge[N*2];
struct node{
	int l,r;
	LL w,lz;
}tr[N*4];
void add(int p,int q){edge[cnt].to=q,edge[cnt].nex=head[p],head[p]=cnt++;}
void dfs1(int p,int fat){
	size[p]=1,fa[p]=fat;
	int mx=-1;
	for(int i=head[p];~i;i=edge[i].nex){
		int q=edge[i].to;
		if(q!=fat){
			deep[q]=deep[p]+1;
			dfs1(q,p);
			size[p]+=size[q];
			if(size[q]>mx) son[p]=q,mx=size[q]; 
		}
	}
}
void dfs2(int p,int topp){
	id[p]=++tot,w[tot]=a[p],top[p]=topp;
	if(!son[p]) return;//没有重儿子,也就是叶子结点 
	dfs2(son[p],topp);//先处理重儿子 
	for(int i=head[p];~i;i=edge[i].nex){
		int q=edge[i].to;
		if(q==fa[p]||q==son[p]) continue;
		dfs2(q,q);
	}
}
////
void pp(int k){
	tr[k].w=tr[ls].w+tr[rs].w;
	tr[k].w%=p;
}
void pd(int k){
	if(tr[k].lz){
		(tr[ls].lz+=tr[k].lz)%=p,(tr[rs].lz+=tr[k].lz)%=p;
		(tr[ls].w+=1ll*(tr[ls].r-tr[ls].l+1)*tr[k].lz)%=p;
		(tr[rs].w+=1ll*(tr[rs].r-tr[rs].l+1)*tr[k].lz)%=p;
	}
	tr[k].lz=0;
}
void build(int l,int r,int k){
	tr[k].lz=tr[k].w=0,tr[k].l=l,tr[k].r=r;
	if(l==r){
		tr[k].w=(w[l]%p);
		return;
	}
	int d=(l+r)>>1;
	build(l,d,ls);
	build(d+1,r,rs);
	pp(k);
}
void update(int l,int r,LL w,int k){
	if(tr[k].l>=l&&tr[k].r<=r){
		(tr[k].lz+=w)%=p;
		(tr[k].w+=1ll*(tr[k].r-tr[k].l+1)*w)%=p;
		return;
	}
	pd(k);
	int d=(tr[k].l+tr[k].r)>>1;
	if(l<=d) update(l,r,w,ls);
	if(r>d) update(l,r,w,rs);
	pp(k);
}
LL query(int l,int r,int k){
	LL ans=0;
	if(tr[k].l>=l&&tr[k].r<=r) return tr[k].w%p;
	pd(k);
	int d=(tr[k].l+tr[k].r)>>1;
	if(l<=d) (ans+=query(l,r,ls))%=p;
	if(r>d) (ans+=query(l,r,rs))%=p;
	return ans%p;
}
///
LL query_chain(int x,int y){
	LL ans=0;
	while(top[x]!=top[y]){
		if(deep[top[x]]<deep[top[y]]) swap(x,y);//保证x结点的顶点更深 
		(ans+=query(id[top[x]],id[x],1))%=p;
		x=fa[top[x]]; 
	}
	if(deep[x]<deep[y]) swap(x,y);
	(ans+=query(id[y],id[x],1))%=p;
	return ans;
}
LL query_tree(int x){
	LL ans=0;
	(ans+=query(id[x],id[x]+size[x]-1,1))%=p;
	return ans;
}
void update_chain(int x,int y,LL z){
	while(top[x]!=top[y]){
		if(deep[top[x]]<deep[top[y]]) swap(x,y);//保证x结点的顶点更深 
		update(id[top[x]],id[x],z%p,1);
		x=fa[top[x]]; 
	}
	if(deep[x]<deep[y]) swap(x,y);
	update(id[y],id[x],z%p,1);
}
void update_tree(int x,LL z){
	update(id[x],id[x]+size[x]-1,z%p,1);
} 
int main(){
	memset(head,-1,sizeof(head));
	scanf("%d%d%d%lld",&n,&m,&r,&p);
	for(int i=1;i<=n;i++) scanf("%lld",&a[i]);
	for(int i=1;i<n;i++){
		int x,y;scanf("%d%d",&x,&y);
		add(x,y),add(y,x);
	}
	dfs1(r,0);
	dfs2(r,r);
	build(1,n,1);//建线段树 
	for(int i=1;i<=m;i++){
		int op;scanf("%d",&op);
		if(op==1){
			int x,y;LL z;scanf("%d%d%lld",&x,&y,&z);
			update_chain(x,y,z);
		}
		else if(op==2){
			int x,y;scanf("%d%d",&x,&y);
			printf("%lld\n",query_chain(x,y));
		}
		else if(op==3){
			int x;LL z;scanf("%d%lld",&x,&z);
			update_tree(x,z); 
		}
		else{
			int x;scanf("%d",&x);
			printf("%lld\n",query_tree(x));
		}
	}
	return 0;
}	
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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