Bzoj P2286 [Sdoi2011]消耗战___树链剖分+虚树+树形dp

13 篇文章 0 订阅
2 篇文章 0 订阅

题目大意:

给出一颗由 n n n个结点的树,根节点为 1 1 1,给出 n − 1 n-1 n1条无向边 ( x i , y i , w i ) (x_i,y_i,w_i) (xi,yi,wi)表示结点 x i x_i xi与结点 y i y_i yi之间有一条可以互相到达的边,断掉这条边需要花费 w i w_i wi的代价,有 m m m个询问,每个询问给出 k k k个结点,问如何断边能使代价最小的时候结点 1 1 1不与这 k k k个结点连通。

x i , y i ≤ n , w i ≤ 1 e 5 x_i,y_i≤n,w_i≤1e5 xi,yinwi1e5
保 证 k 个 节 点 中 不 含 1 保证k个节点中不含1 k1
Σ k ≤ 500000 Σk≤500000 Σk500000

分析:

树形dp:
f [ i ] f[i] f[i]表示断掉了以 i i i为根的子树中需要隔绝的结点所需要的最小代价(不包括 i i i),
m l e n [ i ] mlen[i] mlen[i]表示从根结点 1 1 1到结点 i i i中经过的花费最小的边。
转移显然, f [ i ] = m i n ( ∑ f s o n i , m l e n [ i ] ) f[i]=min(\sum f_{son_i},mlen[i]) f[i]=min(fsoni,mlen[i])
然后对于这个东西,直接做时间就达到了 O ( m n ) O(mn) O(mn),肯定 T L E TLE TLE
我们就观察到 Σ k ≤ 500000 Σk≤500000 Σk500000
那么我们就可以快乐地对这个东西建一颗虚树,然后再跑树形dp
建虚树求lca的时候可以快乐树剖然后求(毒瘤)
对于虚树的概念,可以理解成利用 d f s dfs dfs序,留下关键点,以及利用 l c a lca lca将他们连接起来。
时间复杂度就可以变成跟虚树的点数相关,
模拟一下可以发现点数不会超过 2 ∗ k 2*k 2k
那么时间复杂度就是 O ( 2 ∗ Σ k ) O(2*Σk) O(2Σk)

代码:

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
#include <vector>
#include <cmath>
#include <queue>
#include <stack>
#define N 250005
 
using namespace std;
 
typedef long long ll;
 
struct Node { int To, w, nxt; }e[N*2];
int Stack[N], Size[N], begind[N], deep[N], hson[N], dfn[N], fa[N], ls[N], a[N];
int n, m, Q, top, cnt, num;
ll mlen[N];
 
vector <int> dop[N];
 
int read(int &x)
{
    int f = 1; x = 0; char s = getchar();
    while (s < '0' || s > '9') { if (s == '-') f = -1; s = getchar(); }
    while (s >= '0' && s <= '9') { x = x * 10 + (s - '0'); s = getchar(); }
    x = x * f;  
}
 
void write(ll x)
{
    if (x > 9) write(x / 10);
    putchar(x % 10 + '0');  
}
 
bool cmp(int aa, int bb)
{
    return dfn[aa] < dfn[bb];    
}
 
void Addedge(int u, int v, int w)
{
    e[++cnt].To = v, e[cnt].w = w, e[cnt].nxt = ls[u], ls[u] = cnt;
    e[++cnt].To = u, e[cnt].w = w, e[cnt].nxt = ls[v], ls[v] = cnt;
}
 
void Jiabian(int u, int v)
{
    dop[u].push_back(v);
}
 
void dfs1(int x, int father)
{
    Size[x] = 1, fa[x] = father;
    for (int i = ls[x]; i; i = e[i].nxt)
    {
        if (e[i].To == father) continue;
        int y = e[i].To; 
        mlen[y] = min(mlen[x], (ll)e[i].w); 
        deep[y] = deep[x] + 1;
        dfs1(y, x); Size[x] += Size[y];
        if (Size[y] > Size[hson[x]]) hson[x] = y;
    }   
}
 
void dfs2(int x, int firstd)
{
    begind[x] = firstd; dfn[x] = ++num;
    if (hson[x]) dfs2(hson[x], firstd);
    for (int i = ls[x]; i; i = e[i].nxt)
        if (!begind[e[i].To]) dfs2(e[i].To, e[i].To);
}
 
int Get_lca(int x, int y)
{
    while (begind[x] != begind[y]) 
    { 
        if (deep[begind[x]] < deep[begind[y]]) swap(x, y); 
        x = fa[begind[x]];
    }
    return ((deep[x] > deep[y]) ? y : x);
}
 
void Insert(int x) 
{
    if (top == 1) { Stack[++top] = x; return; }
    int LCA = Get_lca(x, Stack[top]);
    if (LCA == Stack[top]) return;
    while(top > 1 && dfn[Stack[top - 1]] >= dfn[LCA]) 
          Jiabian(Stack[top - 1], Stack[top]), top--;
    if(LCA != Stack[top]) Jiabian(LCA, Stack[top]), Stack[top] = LCA;
    Stack[++top] = x;
}
 
ll Work_dp(int x)
{
    if (!dop[x].size()) return mlen[x];
    ll sum = 0;
    for (int i = 0; i < dop[x].size(); i++) sum += Work_dp(dop[x][i]);
    dop[x].clear();
    return min(sum, mlen[x]);
}
 
int main()
{
    read(n);
    for (int i = 1; i < n; i++)
    {
        int u, v, w;
        read(u); read(v); read(w);
        Addedge(u, v, w);
    }
    deep[1] = 1, mlen[1] = 1ll<<60, dfs1(1, -1); 
    dfs2(1, 1);
    read(Q);
    while (Q--)
    {
        read(m);
        for (int i = 1; i <= m; i++) scanf("%d", &a[i]); 
        sort(a + 1, a + m + 1, cmp);
        top = 1; Stack[1] = 1;
        for (int i = 1; i <= m; i++) Insert(a[i]);
        while (top > 1) Jiabian(Stack[top - 1], Stack[top]), top--;
        write(Work_dp(1)); printf("\n"); 
    }
    return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
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