【Nowcoder】城市网络 倍增 + DP

本文探讨了如何使用主席树数据结构结合动态规划(dp)来解决小丑自我系列问题。通过状态转移方程f[u][x]=f[f[u][y][x-y]],利用倍增技巧简化状态维护。代码展示了如何在给定节点和购买次数下找到可达节点。

传送门

分析

小丑竟是我自己系列
一开始在觉得主席树能写,从叶子结点到根节点维护一下递增序列就可以了,后来发现好像写不了
考虑 d p dp dp关系,设 f [ u ] [ x ] f[u][x] f[u][x]表示 u u u结点向上购买 x x x次所能到达的节点,所以状态转移方程就是 f [ u ] [ x ] = f [ f [ u ] [ y ] [ x − y ] f[u][x] = f[f[u][y][x - y] f[u][x]=f[f[u][y][xy],我们用倍增的思想去转化这个关系即可

代码

#pragma GCC optimize(3)
#include <bits/stdc++.h>
#define debug(x) cout<<#x<<":"<<x<<endl;
#define dl(x) printf("%lld\n",x);
#define di(x) printf("%d\n",x);
#define _CRT_SECURE_NO_WARNINGS
#define pb push_back
#define mp make_pair
#define all(x) (x).begin(),(x).end()
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
typedef pair<int, int> PII;
typedef vector<int> VI;
const int INF = 0x3f3f3f3f;
const int N = 2e5 + 10,M = N * 2;
const ll mod = 1000000007;
const double eps = 1e-9;
const double PI = acos(-1);
template<typename T>inline void read(T &a) {
    char c = getchar(); T x = 0, f = 1; while (!isdigit(c)) {if (c == '-')f = -1; c = getchar();}
    while (isdigit(c)) {x = (x << 1) + (x << 3) + c - '0'; c = getchar();} a = f * x;
}
int gcd(int a, int b) {return (b > 0) ? gcd(b, a % b) : a;}
int fa[N][25],dep[N],a[N],q[N];
int n,m;
int h[N],e[M],ne[M],idx;

void add(int x,int y){
    ne[idx] = h[x],e[idx] = y,h[x] = idx++;
}

void dfs(int u,int f){
    dep[u] = dep[f] + 1;
    if(a[f] > a[u]){
        fa[u][0] = f;
    }
    else{
        int x = f;
        for(int i = 20;~i;i--){
            if(fa[x][i] && a[fa[x][i]] <= a[u]) x = fa[x][i];
        }
        fa[u][0] = fa[x][0];
    }
    for(int i = 1;i <= 20;i++) fa[u][i] = fa[fa[u][i - 1]][i - 1];
    for(int i = h[u];~i;i = ne[i]){
        int j = e[i];
        if(j == f) continue;
        dfs(j,u);
    }
}

int main() {
    memset(h,-1,sizeof h);
    read(n),read(m);    
    for(int i = 1;i <= n;i++) read(a[i]);
    for(int i = 1;i < n;i++){
        int x,y;
        read(x),read(y);
        add(x,y),add(y,x);
    }
    for(int i = 1;i <= m;i++){
        int u,v,val;
        read(u),read(v),read(val);
        a[n + i] = val;
        add(u,n + i),add(n + i,u);
        q[i] = v;
    }
    dfs(1,0);
    for(int j = 1;j <= m;j++){
        int ans = 0;
        int u = n + j,v = q[j];
        for(int i = 20;~i;i--){
            if(dep[fa[u][i]] >= dep[v]) ans += (1 << i),u = fa[u][i];
        }
        di(ans);
    }
}

一种基于有效视角点方法的相机位姿估计MATLAB实现方案 该算法通过建立三维空间点与二维图像点之间的几何对应关系,实现相机外部参数的精确求解。其核心原理在于将三维控制点表示为四个虚拟基点的加权组合,从而将非线性优化问题转化为线性方程组的求解过程。 具体实现步骤包含以下关键环节:首先对输入的三维世界坐标点进行归一化预处理,以提升数值计算的稳定性。随后构建包含四个虚拟基点的参考坐标系,并通过奇异值分解确定各三维点在该基坐标系下的齐次坐标表示。接下来建立二维图像点与三维基坐标之间的投影方程,形成线性约束系统。通过求解该线性系统获得虚拟基点在相机坐标系下的初步坐标估计。 在获得基础解后,需执行高斯-牛顿迭代优化以进一步提高估计精度。该过程通过最小化重投影误差来优化相机旋转矩阵和平移向量。最终输出包含完整的相机外参矩阵,其中旋转部分采用正交化处理确保满足旋转矩阵的约束条件。 该实现方案特别注重数值稳定性处理,包括适当的坐标缩放、矩阵条件数检测以及迭代收敛判断机制。算法能够有效处理噪声干扰下的位姿估计问题,为计算机视觉中的三维重建、目标跟踪等应用提供可靠的技术基础。 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!
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