#trie#loj 10056 poj 3764 The XOR Largest Path

本文介绍了一种在图中寻找两节点间异或路径和最大的算法实现,通过深度优先搜索和Trie树来高效地计算出任意两点间的最大异或值。

题目

在n个数中找两个数 x , y x,y x,y,使x到y的路径异或和最大


分析

可以用一种类似于差分的东西,用一个深搜求出点到根节点的异或值,然后就像The XOR Largest Pair就好了


代码

#include <cstdio>
#include <bitset>
#include <cstring>
struct node{int y,w,next;}e[200000]; std::bitset<31>s;
int ls[100001],d[100001],trie[3100001][2],tot,n,ans;
int in(){
	int ans=0; char c=getchar();
	while (c<48||c>57) c=getchar();
	while (c>47&&c<58) ans=ans*10+c-48,c=getchar();
	return ans;
}
void dfs(int x,int fa){
	for (int i=ls[x];i;i=e[i].next)
	if (e[i].y!=fa)
		d[e[i].y]=d[x]^e[i].w,dfs(e[i].y,x);
}
void add(int x,int y){
	int w=in();
	e[++tot]=(node){y,w,ls[x]}; ls[x]=tot;
	e[++tot]=(node){x,w,ls[y]}; ls[y]=tot;
}
int main(){
	while (scanf("%d",&n)==1){
		int x,p; memset(trie,0,sizeof(trie)); memset(ls,0,sizeof(ls)); memset(d,0,sizeof(d));//初始化
	    for (register int i=1;i<n;i++) add(in()+1,in()+1);//建树
	    dfs(1,0); tot=0; ans=0;
	    for (register int i=1;i<=n;i++){
	    	s.reset();//初始化
		    for (register int j=0;j<31;j++)
		    if (d[i]&(1<<j)) s[j]=1; p=0;//二进制下d[i]的第j位是1
		    for (register int j=30;j>=0;j--){
			    if (!trie[p][s[j]]) trie[p][s[j]]=++tot;
			    p=trie[p][s[j]];
		    }//建trie
		    int sum=0,p=0;
		    for (register int j=30;j>=0;j--){
			    if (trie[p][1-s[j]]) sum^=1<<j,p=trie[p][1-s[j]];
			    else p=trie[p][s[j]];
		    }//查找相反的边
		    ans=std::max(ans,sum);
	    }
	    printf("%d\n",ans); tot=0;
	}
	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。
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