[bzoj3729]Gty的游戏

本文介绍了一个基于Splay树实现的博弈论游戏问题解决方案。问题涉及在一棵有根树上进行操作,通过移动节点上的石子来制定获胜策略。文章详细解释了如何利用Splay树维护节点信息,并提供了完整的C++代码实现。

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

来自FallDream的博客,未经允许,请勿转载,谢谢。


某一天gty在与他的妹子玩游戏。
妹子提出一个游戏,给定一棵有根树,每个节点有一些石子,每次可以将不多于L的石子移动到父节点,询问
将某个节点的子树中的石子移动到这个节点先手是否有必胜策略。
gty很快计算出了策略。
但gty的妹子十分机智,她决定修改某个节点的石子或加入某个新节点。
gty不忍心打击妹子,所以他将这个问题交给了你。
另外由于gty十分绅士,所以他将先手让给了妹子。

n,m<=5*10^4

 

首先和询问节点同奇偶的肯定不用考虑,然后不同奇偶的每个点手推一下发现nim值是w%(L+1)

然后只要维护奇偶深度的区间异或和即可,考虑以dfs序为下标建splay。

插入一个点可以直接插入到父亲后面,询问的时候从根向右找到最远的深度大于根的深度的一段即可。

复杂度nlogn

#include<iostream>
#include<cstdio>
#define MN 100000
using namespace std;
inline int read()
{
    int x = 0 , f = 1; char ch = getchar();
    while(ch < '0' || ch > '9'){ if(ch == '-') f = -1;  ch = getchar();}
    while(ch >= '0' && ch <= '9'){x = x * 10 + ch - '0';ch = getchar();}
    return x * f;
}

bool b[MN+5];
int n,L,m,head[MN+5],cnt=0,size[MN+5],in[MN+5],dep[MN+5],rt,last=0,mn[MN+5];
int fa[MN+5],c[MN+5][2],s1[MN+5],s2[MN+5],w[MN+5],q[MN+5],top=0;
struct edge{int to,next;}e[MN+5];
inline void ins(int f,int t){e[++cnt]=(edge){t,head[f]};head[f]=cnt;}

void Dfs(int x)
{
    q[++top]=x;
    for(int i=head[x];i;i=e[i].next)
        dep[e[i].to]=dep[x]+1,Dfs(e[i].to);
}

void update(int x)
{
    int l=c[x][0],r=c[x][1];
    size[x]=size[l]+size[r]+1;
    if(dep[x]&1) s1[x]=w[x],s2[x]=0;
    else s1[x]=0,s2[x]=w[x];
    s1[x]^=s1[l]^s1[r];s2[x]^=s2[l]^s2[r];
    mn[x]=dep[x];
    if(l) mn[x]=min(mn[x],mn[l]);
    if(r) mn[x]=min(mn[x],mn[r]);
}

void rotate(int x,int&k)
{
    int y=fa[x],z=fa[y],l=c[y][1]==x,r=l^1;
    if(y==k) k=x; else c[z][c[z][1]==y]=x;
    fa[x]=z;fa[y]=x;fa[c[x][r]]=y;
    c[y][l]=c[x][r];c[x][r]=y;
    update(y);update(x);
}

void splay(int x,int&k)
{
    for(;x!=k;rotate(x,k))
        if(fa[x]!=k) rotate((c[fa[fa[x]]][1]==fa[x]^c[fa[x]][1]==x)?x:fa[x],k);
}

void build(int&x,int l,int r,int last)
{
    if(l>r){last=0;return;}
    int mid=l+r>>1;x=q[mid];fa[x]=last;
    build(c[x][0],l,mid-1,x);
    build(c[x][1],mid+1,r,x);
    update(x);
}

int GetRank(int x)
{
    int sum=1+size[c[x][0]];
    for(int y;x!=rt;x=y)
    {
        y=fa[x];
        if(c[y][1]==x) sum+=size[c[y][0]]+1;
    }
    return sum;
}

void ins(int&x,int rk,int y,int last)
{
    if(!x){x=y;fa[x]=last;update(x);return;}
    int Sz=size[c[x][0]]+1;
    if(Sz<=rk) ins(c[x][1],rk-Sz,y,x);
    else ins(c[x][0],rk,y,x);
    update(x);
}

int Find(int x,int D)
{
    if(!x) return 0;
    if(min(dep[x],mn[c[x][0]])>D)
        return Find(c[x][1],D);
    else if(mn[c[x][0]]>D) return x;
    else return Find(c[x][0],D);
}

int main()
{
    n=read();L=read();mn[0]=23333333;
    for(int i=1;i<=n;++i) w[i]=read()%(L+1);
    for(int i=1;i<n;++i)
    {
        int f=read(),t=read();
        ++in[t];ins(f,t);
    }
    q[++top]=MN+1;Dfs(1);q[++top]=MN+2;
    build(rt,1,top,0);m=read();
    for(int i=1;i<=m;++i)
    {
        int op=read();
        if(op==1)
        {
            int x=read()^last;
            splay(x,rt);int Rt=Find(c[rt][1],dep[x]);
            splay(Rt,c[rt][1]);int z=c[c[rt][1]][0],res=dep[x]&1?s2[z]:s1[z];
            if(!z||res==0) puts("GTY");
            else puts("MeiZ"),++last;
        }
        if(op==2)
        {
            int x=read()^last,y=read()^last;
            w[x]=y%(L+1);for(int i=x;i;i=fa[i]) update(i);
        }
        if(op==3)
        {
            int x=read()^last,y=read()^last,Rk=GetRank(x);
            w[y]=(read()^last)%(L+1);dep[y]=dep[x]+1;
            ins(rt,Rk,y,0);
        }
    }
    return 0;
}

转载于:https://www.cnblogs.com/FallDream/p/bzoj3729.html

资源下载链接为: https://pan.quark.cn/s/67c535f75d4c 在机器人技术中,轨迹规划是实现机器人从一个位置平稳高效移动到另一个位置的核心环节。本资源提供了一套基于 MATLAB 的机器人轨迹规划程序,涵盖了关节空间和笛卡尔空间两种规划方式。MATLAB 是一种强大的数值计算与可视化工具,凭借其灵活易用的特点,常被用于机器人控制算法的开发与仿真。 关节空间轨迹规划主要关注机器人各关节角度的变化,生成从初始配置到目标配置的连续路径。其关键知识点包括: 关节变量:指机器人各关节的旋转角度或伸缩长度。 运动学逆解:通过数学方法从末端执行器的目标位置反推关节变量。 路径平滑:确保关节变量轨迹连续且无抖动,常用方法有 S 型曲线拟合、多项式插值等。 速度和加速度限制:考虑关节的实际物理限制,确保轨迹在允许的动态范围内。 碰撞避免:在规划过程中避免关节与其他物体发生碰撞。 笛卡尔空间轨迹规划直接处理机器人末端执行器在工作空间中的位置和姿态变化,涉及以下内容: 工作空间:机器人可到达的所有三维空间点的集合。 路径规划:在工作空间中找到一条从起点到终点的无碰撞路径。 障碍物表示:采用二维或三维网格、Voronoi 图、Octree 等数据结构表示工作空间中的障碍物。 轨迹生成:通过样条曲线、直线插值等方法生成平滑路径。 实时更新:在规划过程中实时检测并避开新出现的障碍物。 在 MATLAB 中实现上述规划方法,可以借助其内置函数和工具箱: 优化工具箱:用于解决运动学逆解和路径规划中的优化问题。 Simulink:可视化建模环境,适合构建和仿真复杂的控制系统。 ODE 求解器:如 ode45,用于求解机器人动力学方程和轨迹执行过程中的运动学问题。 在实际应用中,通常会结合关节空间和笛卡尔空间的规划方法。先在关节空间生成平滑轨迹,再通过运动学正解将关节轨迹转换为笛卡
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