【BZOJ3651】网络通信【Link-Cut Tree】

【题目链接】

开100个LCT就可以乱搞了。

/* Pigonometry */
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <map>
#include <utility>

using namespace std;

typedef pair<int, int> pii;

const int maxn = 8005, maxc = 101, maxs = 100000;

int n, m, c;

map<pii, int> com;

int sta[maxs], top;

struct _lct {
	int son[maxn][2], pre[maxn], deg[maxn];
	bool rev[maxn];

	void init() {
		for(int i = 0; i < maxn; i++) son[i][0] = son[i][1] = pre[i] = deg[i] = 0;
	}

	bool isroot(int x) {
		return son[pre[x]][0] != x && son[pre[x]][1] != x;
	}

	void pushdown(int x) {
		if(rev[x]) {
			int l = son[x][0], r = son[x][1];
			rev[l] ^= 1; rev[r] ^= 1;
			swap(son[l][0], son[l][1]); swap(son[r][0], son[r][1]);
			rev[x] = 0;
		}
	}

	void rotate(int x) {
		int y = pre[x], z = pre[y], type = son[y][1] == x;
		pre[son[y][type] = son[x][!type]] = y;
		pre[x] = z;
		if(!isroot(y)) son[z][son[z][1] == y] = x;
		pre[son[x][!type] = y] = x;
	}

	void maintain(int x) {
		top = 0;
		for(sta[++top] = x; !isroot(x); x = pre[x]) sta[++top] = pre[x];
		for(; top; pushdown(sta[top--]));
	}

	void splay(int x) {
		maintain(x);
		while(!isroot(x)) {
			int y = pre[x], z = pre[y];
			if(isroot(y)) rotate(x);
			else if(son[y][1] == x ^ son[z][1] == y) rotate(x), rotate(x);
			else rotate(y), rotate(x);
		}
	}

	void access(int x) {
		for(int y = 0; x; x = pre[y = x]) {
			splay(x);
			son[x][1] = y;
		}
	}

	void makeroot(int x) {
		access(x); splay(x); rev[x] ^= 1;
		swap(son[x][0], son[x][1]);
	}

	void link(int x, int y) {
		makeroot(x); pre[x] = y;
		deg[x]++; deg[y]++;
	}

	void cut(int x, int y) {
		makeroot(x); access(y); splay(y);
		deg[x]--; deg[y]--;
		son[y][0] = pre[x] = 0;
	}

	int findroot(int x) {
		access(x); splay(x);
		for(; son[x][0]; x = son[x][0]);
		return x;
	}
	
	bool check(int x, int y) {
		return findroot(x) == findroot(y);
	}
} lct[maxc];

inline int iread() {
	int f = 1, x = 0; char ch = getchar();
	for(; ch < '0' || ch > '9'; ch = getchar()) f = ch == '-' ? -1 : 1;
	for(; ch >= '0' && ch <= '9'; ch = getchar()) x = x * 10 + ch - '0';
	return f * x;
}

int main() {
	n = iread(); m = iread(); c = iread(); int T = iread();
	for(int i = 1; i <= c; i++) lct[i].init();

	for(int i = 1; i <= m; i++) {
		int u = iread(), v = iread(), w = iread();
		lct[w].link(u, v);
		com[pii(u, v)] = com[pii(v, u)] = w;
	}

	while(T--) {
		int u = iread(), v = iread(), w = iread();
		int tmp = com[pii(u, v)];
		if(tmp == 0) printf("No such cable.\n");
		else if(tmp == w) printf("Already owned.\n");
		else if(lct[w].deg[u] == 2 || lct[w].deg[v] == 2) printf("Forbidden: monopoly.\n");
		else if(lct[w].check(u, v)) printf("Forbidden: redundant.\n");
		else {
			lct[tmp].cut(u, v);
			com[pii(u, v)] = com[pii(v, u)] = w;
			lct[w].link(u, v);
			printf("Sold.\n");
		}
	}

	return 0;
}


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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