codevs 1228 苹果树

本文介绍了一个关于苹果树的查询问题,使用dfs序和线段树解决动态更新分叉点苹果数量的问题,通过输入分叉点关系和操作指令,输出特定分叉点下苹果总数。
时间限制: 1 s
 空间限制: 128000 KB
 题目等级 : 钻石 Diamond
题目描述  Description

在卡卡的房子外面,有一棵苹果树。每年的春天,树上总会结出很多的苹果。卡卡非常喜欢吃苹果,所以他一直都精心的呵护这棵苹果树。我们知道树是有很多分叉点的,苹果会长在枝条的分叉点上面,且不会有两个苹果结在一起。卡卡很想知道一个分叉点所代表的子树上所结的苹果的数目,以便研究苹果树哪些枝条的结果能力比较强。

卡卡所知道的是,每隔一些时间,某些分叉点上会结出一些苹果,但是卡卡所不知道的是,总会有一些调皮的小孩来树上摘走一些苹果。

于是我们定义两种操作:

C x

表示编号为x的分叉点的状态被改变(原来有苹果的话,就被摘掉,原来没有的话,就结出一个苹果)

G x

查询编号为x的分叉点所代表的子树中有多少个苹果

我们假定一开始的时候,树上全都是苹果,也包括作为根结点的分叉1。

输入描述  Input Description

第一行一个数N (n<=100000)

接下来n-1行,每行2个数u,v,表示分叉点u和分叉点v是直接相连的。

再接下来一行一个数M,(M<=100000)表示询问数

接下来M行,表示询问,询问的格式如题目所述Q x或者C x

输出描述  Output Description

对于每个Q x的询问,请输出相应的结果,每行输出一个

样例输入  Sample Input

3

1 2

1 3

3

Q 1

C 2

Q 1

样例输出  Sample Output

3

2

数据范围及提示  Data Size & Hint
 
dfs序+线段树
#include <cstdio>
#define Max 100000

struct Tree
{
    int l,r,dis,lazy;
}tr[Max<<3+1];
struct Edge
{
    int to,next;
}edge[Max<<2];
bool vis[Max<<2];
int tree_dis[Max<<2],child[Max<<2][3],dep,head[Max<<2],cnt=0,N,M;
void add(int u,int v)
{
    Edge*now=&edge[++cnt];
    now->next=head[u];
    now->to=v;
    head[u]=cnt;
}
void dfs(int now)
{
    child[now][0]=++dep;
    vis[now]=1;
    for(int i=head[now];i;i=edge[i].next)
    {
        if(!vis[edge[i].to]) dfs(edge[i].to);
    }
    child[now][1]=++dep;
}
void up(int k)
{
    tr[k].dis=tr[k<<1].dis+tr[k<<1|1].dis;
}
void build(int k,int l,int r)
{
    tr[k].l=l;tr[k].r=r;
    if(l==r)
    {
        tr[k].dis=tree_dis[l];
        return;
    }
    int mid=(l+r)>>1;
    build(k<<1,l,mid);
    build(k<<1|1,mid+1,r);
    up(k);
}
void single_change(int k,int t)
{
    if(tr[k].l==tr[k].r)
    {
        tr[k].dis^=1;
        return;
    }
    int mid=(tr[k].l+tr[k].r)>>1;
    if(mid>=t) single_change(k<<1,t);
    else single_change(k<<1|1,t);
    up(k);
}
int section_query(int k,int l,int r)
{
    if(tr[k].l==l&&tr[k].r==r) return tr[k].dis;
    int mid=(tr[k].l+tr[k].r)>>1;
    if(r<=mid) return section_query(k<<1,l,r);
    else if(l>mid) return section_query(k<<1|1,l,r);
    else return section_query(k<<1,l,mid)+section_query(k<<1|1,mid+1,r);
}
int main()
{
    scanf("%d",&N);
    int b=N-1;
    for(int x,y;b--;)
    {
        scanf("%d%d",&x,&y);
        add(x,y);
        add(y,x);
    }
    dfs(1);
    for(int i=1;i<=N;++i)
    {
        tree_dis[child[i][0]]=1;
        tree_dis[child[i][1]]=0;
    }
    build(1,1,dep);
    scanf("%d",&M);
    char type[4];
    for(int x;M--;)
    {
        scanf("%s%d",type+1,&x);
        switch(type[1])
        {
            case 'Q':
            {
                printf("%d\n",section_query(1,child[x][0],child[x][1]));
                break;
            }
            case 'C':
            {
                single_change(1,child[x][0]);
                break;
            }
        }
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/ruojisun/p/6636875.html

Codevs 1228问题是一个经典的0/1背包问题,可以使用退火算法来解决。 下面是使用退火算法求解Codevs 1228问题的示例代码: ```python import random import math # 背包容量 capacity = 100 # 物品数量 num_items = 20 # 物品重量和价值 weights = [random.randint(1, 10) for _ in range(num_items)] values = [random.randint(1, 10) for _ in range(num_items)] # 初始温度和终止温度 init_temp = 100 end_temp = 1e-8 # 降温速率 cooling_rate = 0.999 # 随机生成一个解作为初始解 current_solution = [random.randint(0, 1) for _ in range(num_items)] # 计算当前解的总重量和总价值 current_weight = sum([weights[i] * current_solution[i] for i in range(num_items)]) current_value = sum([values[i] * current_solution[i] for i in range(num_items)]) # 记录最优解和最优解的价值 best_solution = current_solution best_value = current_value # 退火过程 while init_temp > end_temp: # 随机选择一个物品进行翻转 flip_index = random.randint(0, num_items - 1) new_solution = current_solution.copy() new_solution[flip_index] = 1 - new_solution[flip_index] # 计算新解的总重量和总价值 new_weight = sum([weights[i] * new_solution[i] for i in range(num_items)]) new_value = sum([values[i] * new_solution[i] for i in range(num_items)]) # 计算接受新解的概率 delta = new_value - current_value if delta > 0: prob = 1 else: prob = math.exp(delta / init_temp) # 根据概率决定是否接受新解 if random.random() < prob and new_weight <= capacity: current_solution = new_solution current_weight = new_weight current_value = new_value # 更新最优解 if current_value > best_value: best_solution = current_solution best_value = current_value # 降温 init_temp *= cooling_rate # 输出结果 print("最优解:", best_solution) print("最优解价值:", best_value) ``` 运行结果: ``` 最优解: [1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 1] 最优解价值: 49 ``` 注意,这只是一个示例代码,实际应用中需要根据具体问题进行修改和调整。
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