洛谷 P4149 [ IOI 2011 ] Race —— 点分治

本文探讨了在解决点分治问题时遇到最小值情况时的处理方法,详细介绍了子树间的独立计算、桶优化技巧以及更新路径长度与大小的方法。通过实例代码展示了解题过程,包括节点计数、树根确定、深度优先搜索优化等关键步骤。

题目:https://www.luogu.org/problemnew/show/P4149

仍然是点分治;

不过因为是取 min ,所以不能用容斥,那么子树之间就必须分开算,记录桶时注意这个;

每次 memset 桶会很慢,可以用栈记录修改的地方,然后改回来即可;

注意更新 getrt 中 sum 的方式,可以 dfs 时顺便重新算一下 siz,但也可以利用原树求出来的 siz,判断一下当前的儿子在原树中是儿子还是父亲;

那么就要传个参数,是当前的所有点个数,在原树中是父亲的话就用总个数 - siz[to[i]],这个做法比较快。

代码如下:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int const maxn=2e5+5,maxm=1e6+5,inf=0x3f3f3f3f;
int n,K,hd[maxn],ct,to[maxn<<1],nxt[maxn<<1],w[maxn<<1],dis[maxn],siz[maxn];
int sum,rt,tmp[maxm],ans=inf,mx,sta[maxn][3],f[maxn],top;
bool vis[maxn];
void add(int x,int y,int z){to[++ct]=y; nxt[ct]=hd[x]; w[ct]=z; hd[x]=ct;}
void getrt(int x,int fa)
{
    siz[x]=1; int nmx=0;//局部变量! 
    for(int i=hd[x],u;i;i=nxt[i])
    {
        if((u=to[i])==fa||vis[u])continue;
        getrt(u,x);
        siz[x]+=siz[u]; nmx=max(nmx,siz[u]);
    }
    nmx=max(nmx,sum-siz[x]);
    if(nmx<mx)mx=nmx,rt=x;
}
void dfs(int x,int fa)//siz 不管的话 RE 2个点 
{
    siz[x]=1;
    for(int i=hd[x],u;i;i=nxt[i])
    {
        if((u=to[i])==fa||vis[u])continue;
        dis[u]=dis[x]+w[i]; f[u]=f[x]+1;
        if(dis[u]<=K)
        {
            ans=min(ans,f[u]+tmp[K-dis[u]]);
            sta[++top][0]=dis[u]; sta[top][1]=f[u];
        }
        dfs(u,x); 
        siz[x]+=siz[u];
    }
}
int work(int x,int ss)
{
    vis[x]=1; int p=1;//局部变量 
    for(int i=hd[x],u;i;i=nxt[i])
    {
        if(vis[u=to[i]])continue;
        dis[u]=w[i]; f[u]=1;
        if(dis[u]<=K)
        {
            ans=min(ans,f[u]+tmp[K-dis[u]]);
            sta[++top][0]=dis[u]; sta[top][1]=f[u];
        }
        dfs(u,0);
        for(int w;p<=top;p++)tmp[w=sta[p][0]]=min(tmp[w],sta[p][1]);
    }
    for(int i=1;i<=top;i++)tmp[sta[i][0]]=inf; top=0;
    for(int i=hd[x],u;i;i=nxt[i])
    {
        if(vis[u=to[i]])continue;
        sum=(siz[u]>siz[x]?ss-siz[x]:siz[u]); mx=inf; getrt(u,0); work(rt,sum);
        //可以这样更新sum     //u在原树中是x的儿子或父亲 
    }
}
int main()
{
    scanf("%d%d",&n,&K);
    for(int i=1,x,y,z;i<n;i++)
    {
        scanf("%d%d%d",&x,&y,&z); 
        add(x,y,z); add(y,x,z);
    }
    memset(tmp,0x3f,sizeof tmp); tmp[0]=0;//
    sum=n; mx=inf; getrt(1,0); 
    work(rt,sum);
    printf("%d\n",ans==inf?-1:ans);
    return 0;
}

 

转载于:https://www.cnblogs.com/Zinn/p/9476983.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