POJ 3321 Apple Tree

本文介绍了一种使用树状数组实现的数据结构,并结合深度优先搜索(DFS)进行图的遍历应用。通过树状数组高效地更新和查询区间内数值,适用于处理离线查询问题,特别适用于动态修改区间元素的场景。

    树状数组。

 

代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <vector>
using namespace std;
#define N 100010

int vis[N],have[N];
int low[N],high[N];
int c[N];
vector< vector<int> > edge(N);
int n,now;

int lowbit(int x)
{
    return x&(-x);
}

void init()
{
    int i;
    for(i=1;i<N;i++)
    {
        have[i] = 1;
        c[i] = lowbit(i);
    }
    memset(vis,0,sizeof(vis));
    now = 1;
    return;
}

void modify(int x)
{
    int val;
    if(have[x])
    {
        have[x] = 0;
        val = -1;
    }
    else
    {
        have[x] = 1;
        val = 1;
    }
    while(x<=n)
    {
        c[x] += val;
        x += lowbit(x);
    }
}

void dfs(int v)
{
    vis[v] = 1;
    low[v] = now;
    for(int i=0;i<edge[v].size();i++)
    {
        if(!vis[edge[v][i]])
        {
            dfs(edge[v][i]);
        }
    }
    high[v] = now;
    now++;
}

int sum(int x)
{
    int res = 0;
    while(x>0)
    {
        res += c[x];
        x -= lowbit(x);
    }
    return res;
}

int main()
{
    int i,a,b,q,v;
    char ss[5];
    init();
    scanf("%d",&n);
    for(i=1;i<=n-1;i++)
    {
        scanf("%d%d",&a,&b);
        edge[a].push_back(b);
        edge[b].push_back(a);
    }
    dfs(1);
    scanf("%d",&q);
    while(q--)
    {
        scanf("%s",ss);
        if(ss[0] == 'Q')
        {
            scanf("%d",&v);
            printf("%d\n",sum(high[v])-sum(low[v]-1));
        }
        else
        {
            scanf("%d",&v);
            modify(high[v]);
        }
    }
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/whatbeg/p/3534091.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