luogu P3379 【模板】最近公共祖先(LCA)

本文深入解析了最近公共祖先(LCA)算法在有根树中的应用,详细介绍了通过二进制拆分寻找两个节点的最近公共祖先的方法,并提供了完整的C++代码实现,包括状态转移公式和关键步骤。

luogu P3379 【模板】最近公共祖先(LCA)

最近公共祖先:是指在有根树中,找出某两个结点u和v最近的公共祖先。

 

对于有根树T的两个结点u、v,运用二进制拆分

1.将u,v中深度较深的那一个点向上走到和深度较浅的点

2.两个点一起向上走,直到走到同一个点时 u, v 的爸爸相同,这个点就是u,v的最近公共祖先,记作LCA(u,v)

 

p[ j ][ i ]  = 由编号 j 的点向上走 2^i 步到达点的编号

状态转移公式

p[j][i]=p[p[j][i-1]][i-1]

向上走 2^i 步到达p[ j ][ i ]==先走2^(i-1)到达p[ j ][ i - 1 ]再走2^(i-1)到达p[p [ j ] [ i-1 ]] [ i-1 ]

 

#include<cstdio>
#include<iostream>
using namespace std;
int n,m,s,k;
const int maxn=500005*2;
int head[maxn],to[maxn],nxt[maxn],dep[maxn],p[maxn][30];
int log(int x)
{
    int a=1,sum=0;
    while(x>=a)
    {
        a*=2;
        sum++;
    }
    return sum;
}
void add(int x,int y)
{
    k++;
    nxt[k]=head[x];
    to[k]=y;
    head[x]=k;
}
void dfs(int x,int fa)
{
    for(int i=head[x];i;i=nxt[i])
    {
        if(to[i]==fa) continue;
        dep[to[i]]=dep[x]+1;
        p[to[i]][0]=x;
        dfs(to[i],x);
    }
    return ;
}
void lca(int x,int y)
{
    if(dep[x]<dep[y]) swap(x,y);
    for(int i=k;i>=0;i--)
    {
        if(dep[p[x][i]]>=dep[y]) x=p[x][i];
        if(dep[p[x][i]]==dep[y]) break;
    }
    if(x==y)
    {
        printf("%d\n",x);
        return;
    }
    for(int i=k;i>=0;i--)
    {
        if(p[x][i]!=p[y][i])
        {
            x=p[x][i];
            y=p[y][i];
        }
    }
    printf("%d\n",p[x][0]);
    return;
}
int main()
{
    int a,b;
    scanf("%d%d%d",&n,&m,&s);
    dep[s]=1;
    p[s][0]=s;
    for(int i=1;i<n;i++)
    {
        scanf("%d%d",&a,&b);
        add(a,b);
        add(b,a);
    }
    dfs(s,0);
    k=log(n)/log(2)+1;
    for(int i=1;i<=k;i++)
        for(int j=1;j<=n;j++)
            p[j][i]=p[p[j][i-1]][i-1];
    for(int i=1;i<=m;i++)
    {
        scanf("%d%d",&a,&b);
        lca(a,b);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/QAQq/p/10306203.html

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