uoj128/bzoj4196/NOI2015.软件包管理器(树链剖分)

n 个软件,他们之间有 n - 1 种依赖关系:假如 A 依赖 B,那么安装 A 之前必须先安装 B, 卸载 B 之前必须先卸载 A。现在有 m 条操作,每个会卸载或者安装一个软件,你的任务是对于每次操作,求出这个操作实际改变了几个软件的状态,即从未安装变为安装,或从安装变为未安装。

首先显然的是,软件之间的依赖关系构成了一颗树,每个节点的安装操作只和它的祖先有关,假如用 01 表示,就是求从根到此节点这条路径上 0 的个数;卸载操作只与它的子树有关,即求子树中有多少个 1。所以用树链剖分可以实现。

#include <cstdio>
#include <algorithm>

using namespace std;

const int MAX_N = 100005;

struct tree{
	int v, next;
}E[MAX_N << 1];
int head[MAX_N], tag = 0;
inline void add(int u, int v){ E[++ tag].v = v; E[tag].next = head[u]; head[u] = tag; }

int deep[MAX_N], siz[MAX_N], son[MAX_N], fa[MAX_N], top[MAX_N], id[MAX_N], subtree[MAX_N], num;

void dfs1(int x, int last, int d)
{
	deep[x] = d; siz[x] = 1; son[x] = 0; fa[x] = last;
	for (int i = head[x]; i; i = E[i].next){
		if (E[i].v == last) continue;
		dfs1(E[i].v, x, d + 1);
		siz[x] += siz[E[i].v];
		if (siz[son[x]] < siz[E[i].v]) son[x] = E[i].v;
	}
}

void dfs2(int x, int tp)
{
	top[x] = tp; id[x] = ++ num;
	if (son[x]) dfs2(son[x], tp);
	for (int i = head[x]; i; i = E[i].next){
		if (E[i].v == fa[x] || E[i].v == son[x]) continue;
		dfs2(E[i].v, E[i].v);
	}
	subtree[x] = num;
}

struct node{
	int l, r, sum, tot, flag;
}a[MAX_N << 2];
int n, q;

inline void tree_pd(int i)
{
	if (a[i].flag != -1){
		a[i << 1].sum = a[i << 1].tot * a[i].flag; a[i << 1 | 1].sum = a[i << 1 | 1].tot * a[i].flag;
		a[i << 1].flag = a[i << 1 | 1].flag = a[i].flag;
		a[i].flag = -1;
	}
}

void make_tree(int i, int l, int r)
{
	a[i].l = l; a[i].r = r;a[i].tot = r - l + 1; a[i].sum = 0; a[i].flag = -1;
	if (a[i].l == a[i].r) return;
	int mid = (a[i].l + a[i].r) >> 1;
	make_tree(i << 1, l, mid); make_tree(i << 1 | 1, mid + 1, r); 
}

void tree_modify(int i, int l, int r, int c)
{
	if (a[i].l == l && a[i].r == r){
		a[i].sum = a[i].tot * c; a[i].flag = c; return;
	}
	tree_pd(i);
	int mid = (a[i].l + a[i].r) >> 1;
	if (r <= mid) tree_modify(i << 1, l, r, c);
		else if (l > mid) tree_modify(i << 1 | 1, l, r, c);
		else tree_modify(i << 1, l, mid, c), tree_modify(i << 1 | 1, mid + 1, r, c);
	a[i].sum = a[i << 1].sum + a[i << 1 | 1].sum;
}

int tree_query(int i, int l, int r)
{
	if (a[i].l == l && a[i].r == r) return a[i].sum;
	tree_pd(i);
	int mid = (a[i].l + a[i].r) >> 1;
	if (r <= mid) return tree_query(i << 1, l, r);
		else if (l > mid) return tree_query(i << 1 | 1, l, r);
		else return tree_query(i << 1, l, mid) + tree_query(i << 1 | 1, mid + 1, r);	
}

void tree_change(int x, int y)
{
	int ans = 0, sum = deep[y] - deep[x] + 1;
	while (top[x] != top[y]){
		if (deep[top[x]] < deep[top[y]]) swap(x, y);
		ans += tree_query(1, id[top[x]], id[x]);
		tree_modify(1, id[top[x]], id[x], 1);
		x = fa[top[x]];
	}
	if (deep[x] > deep[y]) swap(x, y);
	ans += tree_query(1, id[x], id[y]);
	tree_modify(1, id[x], id[y], 1);
	printf("%d\n", sum - ans);
}

void init()
{
	scanf("%d", &n);
	for (int i = 2; i <= n; i ++){
		int x; scanf("%d", &x); x ++;
		add(x, i); add(i, x);
	}
}

void doit()
{
	num = 0;
	dfs1(1, 0, 1); dfs2(1, 1);
	make_tree(1, 1, num);
	scanf("%d", &q);
	char s[10];
	while (q --){
		int x; scanf("%s%d", s + 1, &x); x ++;
		if (s[1] == 'i') tree_change(1, x);
			else {
				printf("%d\n", tree_query(1, id[x], subtree[x]));
				//printf("%d %d %d %d\n", tree_query(1, 2, 2), tree_query(1, 3, 3), tree_query(1, 4, 4), tree_query(1, 5, 5));
				tree_modify(1, id[x], subtree[x], 0);
			}
	}
	
}

int main()
{
	init();
	doit();
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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