HDU 1512 左偏树+并查集

本文介绍了一种将左偏树与并查集相结合的数据结构实现方法,通过提供代码模板,详细解释了如何利用merge函数进行节点合并、删除最小值及特定值的操作。

思路:
左偏树里面掺了一些并查集的应用

这里放一份左偏树的代码模板
重点就是merge函数了……

int merge(int k1,int k2){
    if(!k1||!k2)return k1+k2;
    if(tr[k1].w<tr[k2].w)swap(k1,k2);
    tr[k1].r=merge(tr[k1].r,k2);
    if(tr[tr[k1].l].dis<tr[tr[k1].r].dis)swap(tr[k1].l,tr[k1].r);
    tr[k1].dis=tr[tr[k1].r].dis+1;
    return k1;
}

插入:合并原树和新节点。
删除最小值:合并左右子树。
删在某个地方的值:打个标记 以后用的时候再忽略

在这道题中 删的时候 找到左右子树 并查集变成它自己 再合并

//By SiriusRen
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
#define N 100050
int n,m,root[N],xx,yy,f[N];
struct Tree{int l,r,w,dis;void init(){l=r=dis=0;}}tr[N];
int find(int x){return x==f[x]?x:f[x]=find(f[x]);}
int merge(int k1,int k2){
    if(!k1||!k2)return k1+k2;
    if(tr[k1].w<tr[k2].w)swap(k1,k2);
    tr[k1].r=merge(tr[k1].r,k2);
    f[tr[k1].r]=k1;
    if(tr[tr[k1].l].dis<tr[tr[k1].r].dis)swap(tr[k1].l,tr[k1].r);
    tr[k1].dis=tr[tr[k1].r].dis+1;
    return k1;
}
int pop(int x){
    tr[x].w/=2;
    int l=tr[x].l,r=tr[x].r;
    f[l]=l,f[r]=r;
    tr[x].init();
    int t=merge(l,r);
    return merge(x,t);
}
int main(){
    while(~scanf("%d",&n)){
        for(int i=1;i<=n;i++){
            scanf("%d",&tr[i].w);
            tr[i].init(),f[i]=i;
        }
        scanf("%d",&m);
        for(int i=1;i<=m;i++){
            scanf("%d%d",&xx,&yy);
            int fx=find(xx),fy=find(yy);
            if(fx==fy)puts("-1");
            else{
                int tx=pop(fx),ty=pop(fy);
                printf("%d\n",tr[merge(tx,ty)].w);
            }
        }
    }
}

这里写图片描述

转载于:https://www.cnblogs.com/SiriusRen/p/6532147.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