codeforces 337D Book of Evil (树形dp)

本文介绍了一个CodeForces上编号为337D的问题解决方法,该问题涉及到在一棵无向树中寻找可能放置魔法书的位置。通过两次深度优先搜索(DFS)和树形动态规划(DP)算法确定每个点作为魔法书位置的可能性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目链接:http://codeforces.com/problemset/problem/337/D

参考博客:http://www.cnblogs.com/chanme/p/3265913

题目大意:给你一个n个点的无向树。任意两点的距离为中间经过的边数。现在某个点上有本魔法书,这本书对与这个点距离小于等于d的点有影响。给你收集到的m个受影响的点(信息不一定全对)。要你判断有多少个点可能放魔法书。

 

算法思路:我参考别人的想法,自己开始怎么也想不出好的算法,n也太大。这题用树形dp,两遍dfs来统计出每一个点到所有这个m个受影响点的距离的最大值。只要这个最大值<=d,就可能放魔法书。 所以关键就是算这个最大值,有树形dp第一遍就可以统计以u为根,u到子树中存在的受影响点的最大值。第二遍要利用父亲和兄弟节点来求出u到剩余受影响点(即不在u的子树上的点)的最大值。然后和在一起就是u到所有受影响点的最大值。

 

代码:

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;

const int maxn = 101000;
const int INF = 0x3f3f3f3f;

int disDown[maxn];   //disDown[u]表示以u为根的子树Pm中的点到u距离的最大值。
int disUp[maxn];     //disUp[u]表示以u为根去掉上面的子树中的点,u到与父亲相连的所有pm的最大值。
int Max[maxn];       //Max[u]表示u为根子树Pm中的点到u距离的最大值。
int SecMax[maxn];    //SecMax[u]表示u为根子树Pm中的点到u距离的第二大值。
int n,m,d;
vector<int> G[maxn];

void dfs1(int u,int fa)
{
    for(int i=0,sz=G[u].size(); i<sz; i++)
    {
        int v = G[u][i];
        if(v == fa) continue;

        dfs1(v,u);
        if(disDown[v]+1 > SecMax[u])
        {
            SecMax[u] = disDown[v] + 1;
            if(SecMax[u] > Max[u])
                swap(SecMax[u],Max[u]);
        }
    }
    disDown[u]=max(disDown[u],Max[u]);
}

void dfs2(int u,int fa)
{
    for(int i=0,sz=G[u].size(); i<sz; i++)
    {
        int v = G[u][i];
        if(v == fa) continue;

        if(disDown[v] + 1 == Max[u])
            disUp[v] = max( disUp[v] , max(disUp[u],SecMax[u])+1 );

        else
            disUp[v] = max( disUp[v] , max(disUp[u],Max[u])+1 );

        dfs2(v,u);
    }
}

int main()
{
    //freopen("E:\\acm\\input.txt","r",stdin);
    cin>>n>>m>>d;

    memset(disDown,-0x3f,sizeof(disDown));
    memset(disUp,-0x3f,sizeof(disUp));
    memset(Max,-0x3f,sizeof(Max));
    memset(SecMax,-0x3f,sizeof(SecMax));

    for(int i=1; i<=m; i++)
    {
        int  pm;
        scanf("%d",&pm);
        disDown[pm] = disUp[pm] = 0;
    }

    for(int i=1; i<=n; i++) G[i].clear();
    for(int i=1; i<n; i++)
    {
        int u,v;
        scanf("%d %d",&u,&v);
        G[u].push_back(v);
        G[v].push_back(u);
    }

    dfs1(1,-1);
    dfs2(1,-1);

    int ans = 0;
    for(int i=1; i<=n; i++)
        if(disDown[i] <= d && disUp[i] <= d)
            ans ++;
    printf("%d\n",ans);
}
View Code

 

转载于:https://www.cnblogs.com/acmdeweilai/p/3330800.html

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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