bzoj3712: [PA2014]Fiolki

本文介绍了一种利用树状数据结构处理一组反应优先级的问题,通过构建森林模型来确定反应的时间和顺序,使用深度优先搜索和最近公共祖先算法优化计算效率。

很神的题啊,转换模型构造树

对于一组反应,他们的优先级应该是反应时间和反应顺序

如何搞到反应的时间?

我们可以这样做:对于一组倾倒,新建一个点,连向这两个瓶子,y代表的瓶子更新为这个点

那么深度越大,优先级是越高的

维护这样的森林即可

#include<cstdio>
#include<iostream>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#include<cmath>
using namespace std;
typedef long long LL;
int read()
{
    int x=0,f=1;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while('0'<=ch&&ch<='9'){x=x*10+ch-'0';ch=getchar();}
    return x*f;
}

struct node
{
    int x,y,next;
}a[410000];int len,last[410000];
void ins(int x,int y)
{
    len++;
    a[len].x=x;a[len].y=y;
    a[len].next=last[x];last[x]=len;
}
int dep[410000];
int Bin[30],f[30][410000];
int LCA(int x,int y)
{
    if(dep[x]<dep[y])swap(x,y);
    for(int i=23;i>=0;i--)
        if(dep[x]-dep[y]>=Bin[i])x=f[i][x];
    if(x==y)return x;
        
    for(int i=23;i>=0;i--)
        if(dep[x]>=Bin[i]&&f[i][x]!=f[i][y])x=f[i][x],y=f[i][y];
    return f[0][x];
}
int cnt,bel[410000];
void dfs(int x)
{
    bel[x]=cnt;
    for(int i=1;Bin[i]<=dep[x];i++)f[i][x]=f[i-1][f[i-1][x]];
    for(int k=last[x];k;k=a[k].next)
    {
        int y=a[k].y;
        f[0][y]=x;
        dep[y]=dep[x]+1;
        dfs(y);
    }
}

int g[210000],pos[210000];bool isrt[410000];
struct query
{
    int x,y,k1,k2;
    query(){}
    query(int X,int Y,int K1,int K2){x=X,y=Y,k1=K1,k2=K2;}
}q[510000];int qlen;
bool cmp(query q1,query q2){return q1.k1==q2.k1?q1.k2<q2.k2:q1.k1>q2.k1;}
int main()
{
    freopen("a.in","r",stdin);
    freopen("a.out","w",stdout);
    int n,m,K,x,y;
    n=read(),m=read(),K=read();
    for(int i=1;i<=n;i++)g[i]=read(),pos[i]=i;
    
    len=0;memset(last,0,sizeof(last));
    memset(isrt,true,sizeof(isrt));
    for(int i=1;i<=m;i++)
    {
        x=read(),y=read();
        ins(n+i,pos[x]),isrt[pos[x]]=false;
        ins(n+i,pos[y]),isrt[pos[y]]=false;
        pos[y]=n+i;
    }
    Bin[0]=1;for(int i=1;i<=25;i++)Bin[i]=Bin[i-1]*2;
    memset(bel,0,sizeof(bel));
    for(int i=n+1;i<=n+m;i++)
        if(isrt[i]==true)dep[i]=0,cnt++,dfs(i);
    
    for(int i=1;i<=K;i++)
    {
        x=read(),y=read();
        if(bel[x]==bel[y]&&bel[x]!=0)
        {
            int lca=LCA(x,y);
            q[++qlen]=query(x,y,dep[lca],i);
        }
    }
    sort(q+1,q+qlen+1,cmp);
    
    LL ans=0;
    for(int i=1;i<=K;i++)
    {
        x=q[i].x,y=q[i].y;
        if(bel[x]==bel[y]&&bel[x]!=0)
        {
            int mn=min(g[x],g[y]);
            g[x]-=mn,g[y]-=mn;
            ans+=2*mn;
        }
    }
    printf("%lld\n",ans);
    return 0;
}

 

转载于:https://www.cnblogs.com/AKCqhzdy/p/9894446.html

Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率内容概要:本文围绕Matlab在电力系统优化与控制领域的应用展开,重点介绍了基于粒子群优化算法(PSO)和鲁棒MPPT控制器提升光伏并网效率的技术方案。通过Matlab代码实现,结合智能优化算法与先进控制策略,对光伏发电系统的最大功率点跟踪进行优化,有效提高了系统在不同光照条件下的能量转换效率和并网稳定性。同时,文档还涵盖了多种电力系统应用场景,如微电网调度、储能配置、鲁棒控制等,展示了Matlab在科研复现与工程仿真中的强大能力。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事新能源系统开发的工程师;尤其适合关注光伏并网技术、智能优化算法应用与MPPT控制策略研究的专业人士。; 使用场景及目标:①利用粒子群算法优化光伏系统MPPT控制器参数,提升动态响应速度与稳态精度;②研究鲁棒控制策略在光伏并网系统中的抗干扰能力;③复现已发表的高水平论文(如EI、SCI)中的仿真案例,支撑科研项目与学术写作。; 阅读建议:建议结合文中提供的Matlab代码与Simulink模型进行实践操作,重点关注算法实现细节与系统参数设置,同时参考链接中的完整资源下载以获取更多复现实例,加深对优化算法与控制系统设计的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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