POJ1988 带权并查集

本文介绍了一种使用带权并查集解决特定问题的方法,包括移动方块堆和询问方块数量的操作。通过维护每个节点到根节点的距离和集合大小,实现了高效的数据结构更新与查询。

题意:

若干个个方块,2种操作:

M  将u所在的方块堆整体移动到v所在的方块堆;

C  询问u方块下面有多少块方块。


做法:带权并查集

1) 对于每个根节点,拥有属性SetSize【root】 , 即此集合的大小;

2)对于每个节点,拥有属性distanceToRoot【u】 ,即此节点 距离所在集合 根节点的距离,    根节点离自己距离为0

3)在压缩路径,递归操作时,维护的是distanceToRoot 值;

4)在合并操作时, 维护的是SetSize【fromRoot】 与 distanceToRoot【toRoot】



import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.PrintWriter;
import java.math.BigInteger;
import java.util.StringTokenizer;

public class Main {
	public static void main(String[] args) {
		new POJ1988().solve();
	}
}

class POJ1988 {
	InputReader in = new InputReader(System.in);
	PrintWriter out = new PrintWriter(System.out);
	final int N = 30008 ;
	int[] father = new int[N] ;
	int[] distanceToRoot = new int[N] ;
	int[] setSize = new int[N] ;
	void init(){
		for(int i = 1 ; i < N ; i++){
			father[i] = i ;
			setSize[i] = 1 ;
			distanceToRoot[i] = 0 ; 
		}
	}
	
	int getRoot(int u){
		if(u == father[u]) return u ;
		int root = getRoot(father[u])  ;
		distanceToRoot[u] += distanceToRoot[father[u]] ;
		return father[u] = root ;
	}
	
	void move(int from , int to){
		int rootFrom = getRoot(from) ;
		int rootTo = getRoot(to) ;
		if(rootFrom != rootTo){
			father[rootTo] = rootFrom ;
			distanceToRoot[rootTo] += setSize[rootFrom] ;
			setSize[rootFrom] += setSize[rootTo] ;
		}
	}
	
	void solve() {
		init() ;
		int n = in.nextInt() ; 
		while(n-- > 0){
			if("C".equals(in.next())){
				int u = in.nextInt() ;
				int root = getRoot(u) ;
			    out.println(setSize[root] - distanceToRoot[u] - 1) ;
			}
			else{
				move(in.nextInt() , in.nextInt()) ;
			}
		}
		out.flush() ;
	}

}

class InputReader {
	public BufferedReader reader;
	public StringTokenizer tokenizer;

	public InputReader(InputStream stream) {
		reader = new BufferedReader(new InputStreamReader(stream), 32768);
		tokenizer = new StringTokenizer("");
	}

	private void eat(String s) {
		tokenizer = new StringTokenizer(s);
	}

	public String nextLine() {
		try {
			return reader.readLine();
		} catch (Exception e) {
			return null;
		}
	}

	public boolean hasNext() {
		while (!tokenizer.hasMoreTokens()) {
			String s = nextLine();
			if (s == null)
				return false;
			eat(s);
		}
		return true;
	}

	public String next() {
		hasNext();
		return tokenizer.nextToken();
	}

	public int nextInt() {
		return Integer.parseInt(next());
	}

	public long nextLong() {
		return Long.parseLong(next());
	}

	public double nextDouble() {
		return Double.parseDouble(next());
	}

	public BigInteger nextBigInteger() {
		return new BigInteger(next());
	}

}

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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