dfs序板子+树状数组板子题 求和

这篇博客介绍了如何使用DFS将树结构转化为线性结构,并通过树状数组实现单点修改和区间查询操作。文章中详细阐述了思路,包括将树‘掰’成线性结构,然后利用树状数组进行无脑更新和查询,以解决动态维护问题。代码示例展示了整个过程,包括初始化、修改和查询的函数实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >





求和

大意:
单点修改,子树查询;

思路:
dfs,将树掰成线性的;

然后无脑树状数组即可

水水更健康~

#include<bits/stdc++.h>
using namespace std;
#define ll long long
#define lowbit(x) x&(-x)
const ll N=1e6+10;
ll n,m,k;
ll a,b,c;
ll tr[N];
ll mas[N];//初始权值 
struct ty
{
	ll t,next;
}edge[N<<1];
ll head[N];
ll cntt=0;
void add(ll a,ll b)
{
	edge[++cntt].t=b;
	edge[cntt].next=head[a];
	head[a]=cntt;
}
ll l[N],r[N];//代表其子树的对应数字范围 
ll cnt=0;

void dfs(ll p,ll fa)
{
	l[p]=++cnt;
	for(int i=head[p];i!=-1;i=edge[i].next)
	{
		ll y=edge[i].t;
		if(y==fa) continue;
		dfs(y,p);
	}
	r[p]=cnt;//右界 
}
void adds(ll x,ll y)
{
	while(x<=n)
	{
		tr[x]+=y;
		x+=lowbit(x);
	}
}
ll sum(ll x)
{
	ll ans=0;
	while(x)
	{
		ans+=tr[x];
		x-=lowbit(x);
	}
    return ans;
}
int main()
{
	scanf("%lld%lld%lld",&n,&m,&k);
    memset(head,-1,sizeof head);
	for(int i=1;i<=n;++i) scanf("%lld",&mas[i]);
	for(int i=1;i<=n-1;++i)
	{
	    scanf("%lld%lld",&a,&b);
		add(a,b);
		add(b,a);	
	}
	dfs(k,-1);
	for(int i=1;i<=n;++i) adds(l[i],mas[i]);//初始值 
	while(m--)
	{
		scanf("%lld%lld",&a,&b);
		if(a==1)
		{
			scanf("%lld",&c);
			adds(l[b],c);
			continue;
		}
		//cin>>b;
        printf("%lld\n",sum(r[b])-sum(l[b]-1));
	}
	return 0;
}

基于python实现的粒子群的VRP(车辆配送路径规划)问建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问时比较容易实现,而在VRP问上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问时比较容易实现,而在VRP问上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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