hihocoder 1156 彩色的树

这题快速维护的方法是:

每个节点只有一个父亲,和许多儿子

这样每个节点存放儿子每种颜色的数目,用个map来存,然后和父亲的关系每次特殊考虑即可

每次染色完,把当前节点颜色修改,然后父亲的map修改即可

代码:

#include <cstdio>
#include <cstring>
#include <vector>
#include <queue>
#include <map>
using namespace std;

const int N = 100005;

int t, n;
vector<int> g[N];
int fa[N], a[N];
map<int, int> c[N];

int main() {
    int cas = 0;
    scanf("%d", &t);
    while (t--) {
        scanf("%d", &n);
        int u, v;
        int ans = 1;
        for (int i = 1; i <= n; i++) {
            g[i].clear();
            c[i].clear();
            a[i] = 0;
        }
        for (int i = 0; i < n - 1; i++) {
            scanf("%d%d", &u, &v);
            g[u].push_back(v);
            g[v].push_back(u);
        }
        queue<int> Q;
        Q.push(1);
        while (!Q.empty()){
            int u = Q.front(); Q.pop();
            for (int i = 0; i < g[u].size(); i++){
                int v = g[u][i];
                if (fa[u] == v) continue;
                c[u][0]++;
                fa[v] = u;
                Q.push(v);
            }
        }
        printf("Case #%d:\n", ++cas);
        int qn, q;
        scanf("%d", &qn);
        while (qn--) {
            scanf("%d", &q);
            if (q == 1) printf("%d\n", ans);
            else {
                int u, x;
                scanf("%d%d", &u, &x);
                if (a[u] == x) continue;
                ans += c[u][a[u]];
                ans -= c[u][x];
                if (u != 1) {
                    if (a[fa[u]] != a[u]) {
                        if (a[fa[u]] == x) ans--;
                    } else ans++;
                }
                c[fa[u]][a[u]]--;
                c[fa[u]][x]++;
                a[u] = x;
            }
        }
    }
    return 0;
}


基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,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 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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