bzoj 2152: 聪聪可可【点分治】

点分治算法解析
本文深入探讨了点分治算法的实现细节,通过一个具体的裸题案例,详细讲解了如何在模3运算环境下进行点分治操作,以及如何统计余数为1、2的节点与余数为0的节点的平方之和来求解问题。代码中包含了结构体定义、读取输入、求最大公约数、获取重心、获取子树深度等关键步骤。

裸的点分治,运算在模3下进行然后统计答案的时候统计余1的*余2的*2+余0的^2

#include<iostream>
#include<cstdio>
using namespace std;
const int N=20005;
int n,h[N],cnt,ans,rt,sum,si[N],hs[N],de[N],t[5];
bool v[N];
struct qwe
{
    int to,ne,va;
}e[N<<1];
int read()
{
    int r=0,f=1;
    char p=getchar();
    while(p>'9'||p<'0')
    {
        if(p=='-')
            f=-1;
        p=getchar();
    }
    while(p>='0'&&p<='9')
    {
        r=r*10+p-48;
        p=getchar();
    }
    return r*f;
}
void add(int u,int v,int w)
{
    cnt++;
    e[cnt].ne=h[u];
    e[cnt].to=v;
    e[cnt].va=w;
    h[u]=cnt;
}
int gcd(int a,int b)
{
    return b==0?a:gcd(b,a%b);
}
void getrt(int u,int fa)
{
    si[u]=1;hs[u]=0;
    for(int i=h[u];i;i=e[i].ne)
        if(!v[e[i].to]&&e[i].to!=fa)
        {
            getrt(e[i].to,u);
            si[u]+=si[e[i].to];
            hs[u]=max(hs[u],si[e[i].to]);
        }
    hs[u]=max(hs[u],sum-si[u]);
    if(hs[u]<hs[rt])
        rt=u;
}
void gtde(int u,int fa)
{
    t[de[u]]++;
    for(int i=h[u];i;i=e[i].ne)
        if(!v[e[i].to]&&e[i].to!=fa)
        {
            de[e[i].to]=(de[u]+e[i].va)%3;
            gtde(e[i].to,u);
        }
}
int clc(int u,int nw)
{
    t[0]=t[1]=t[2]=0;
    de[u]=nw;
    gtde(u,0);
    return t[1]*t[2]*2+t[0]*t[0];
}
void wk(int u)
{
    ans+=clc(u,0);
    v[u]=1;
    for(int i=h[u];i;i=e[i].ne)
        if(!v[e[i].to])
        {
            ans-=clc(e[i].to,e[i].va);
            rt=0;
            sum=si[e[i].to];
            getrt(e[i].to,0);
            wk(rt);
        }
}
int main()
{
    n=read();
    for(int i=1;i<n;i++)
    {
        int x=read(),y=read(),z=read()%3;
        add(x,y,z),add(y,x,z);
    }
    hs[0]=sum=n;
    getrt(1,0);
    wk(rt);
    int t=gcd(ans,n*n);
    printf("%d/%d",ans/t,n*n/t);
    return 0;
}

转载于:https://www.cnblogs.com/lokiii/p/9642509.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