CSU 1811 Tree Intersection

本文介绍了一种使用莫队算法和树形DP解决特定类型问题的方法,该问题涉及计算删除每条边后形成的两棵树的颜色交集大小。通过将树转化为序列,并利用莫队算法进行区间查询优化,实现了高效求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

莫队算法,$dfs$序。

题目要求计算将每一条边删除之后分成的两棵树的颜色的交集中元素个数。

例如删除$u->v$,我们只需知道以$v$为$root$的子树中有多少种不同的颜色(记为$qq$),有多少种颜色达到了最多数量(记为$pp$),那么以$v$为$root$的子树与另一棵树的颜色交集中元素个数为$qq-pp$。

因为是计算子树上的量,所以可以将树转换成序列,每一个子树对应了序列中一段区间,具体计算只要用莫队算法分块就可以无脑的计算了。

#pragma comment(linker, "/STACK:1024000000,1024000000")
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<vector>
#include<map>
#include<set>
#include<queue>
#include<stack>
#include<iostream>
using namespace std;
typedef long long LL;
const double pi=acos(-1.0),eps=1e-6;
void File()
{
    freopen("D:\\in.txt","r",stdin);
    freopen("D:\\out.txt","w",stdout);
}
template <class T>
inline void read(T &x)
{
    char c = getchar(); x = 0;while(!isdigit(c)) c = getchar();
    while(isdigit(c)) { x = x * 10 + c - '0'; c = getchar();  }
}

const int maxn=200010;
struct Edge { int u,v,nx; bool f; }e[2*maxn];
int h[maxn],sz,w[maxn],cnt[maxn],pos[maxn],g[maxn];
int n,a[2*maxn],L[2*maxn],R[2*maxn];
struct Q { int L,R,id; }q[maxn];
int Ans[maxn],pp,qq;

void add(int u,int v)
{
    e[sz].u=u; e[sz].v=v; e[sz].nx=h[u];
    e[sz].f=0; h[u]=sz++;
}

void dfs(int x,int fa)
{
    sz++; a[sz]=w[x]; L[x]=sz;
    for(int i=h[x];i!=-1;i=e[i].nx)
    {
        if(e[i].v==fa) continue;
        e[i].f=1; dfs(e[i].v,x);
    }
    sz++; a[sz]=w[x]; R[x]=sz;
}

bool cmp(Q a,Q b) { if (pos[a.L]==pos[b.L]) return a.R<b.R; return a.L<b.L; }
void op1(int x) { if(cnt[a[x]]-g[a[x]]==1) pp--; if(g[a[x]]==0) qq--; }
void op2(int x) { if(g[a[x]]==cnt[a[x]]) pp++; if(g[a[x]]==1) qq++; }

int main()
{
    while(~scanf("%d",&n))
    {
        memset(cnt,sz=0,sizeof cnt);
        memset(h,-1,sizeof h);
        memset(g,0,sizeof g);
        memset(Ans,0,sizeof Ans);

        for(int i=1;i<=n;i++) { scanf("%d",&w[i]); cnt[w[i]]++; }
        for(int i=1;i<=n;i++) cnt[i]=2*cnt[i];

        for(int i=1;i<n;i++)
        {
            int u,v; scanf("%d%d",&u,&v);
            add(u,v); add(v,u);
        }
        sz=0; dfs(1,-1);

        for(int i=0;i<2*(n-1);i++)
        {
            if(e[i].f==0) continue;
            q[i/2].L=L[e[i].v]; q[i/2].R=R[e[i].v];
            q[i/2].id=i/2;
        }

        sz=sqrt(2*n); for(int i=1;i<=2*n;i++) pos[i]=i/sz;
        sort(q,q+(n-1),cmp);

        pp=0,qq=0;
        for(int i=q[0].L;i<=q[0].R;i++) { g[a[i]]++; op2(i); }
        Ans[q[0].id]=qq-pp;

        int L=q[0].L,R=q[0].R;
        for(int i=1;i<n-1;i++)
        {
            while(L<q[i].L) { g[a[L]]--; op1(L); L++; }
            while(L>q[i].L) { L--; g[a[L]]++; op2(L); }
            while(R>q[i].R) { g[a[R]]--; op1(R); R--; }
            while(R<q[i].R) { R++; g[a[R]]++; op2(R); }
            Ans[q[i].id]=qq-pp;
        }
        for(int i=0;i<n-1;i++) printf("%d\n",Ans[i]);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/zufezzt/p/5844366.html

内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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