HDU4757 可持久化字典树

题意:查询 一个数 与 树上两个结点之间的所有数中的任意一个数 的异或和的最大值。

解法:树剖求lca,可持久化字01典树解决问题

我们可以通过一次dfs维护出树上任一节点到该节点的所有前缀父亲的字典树(类似前缀和)

由于lca是u,v的共同的父亲,所以求v->u之间的路径异或和最大,即为 u->lca 和 v->lca 两棵字典树中查询到的最大值

代码如下:

#include <bits/stdc++.h>
using namespace std;
#define N 100015

struct Edge{
    int to,next;
}edge[N<<1];
int head[N];
int cnt;
int fa[N],son[N],siz[N],dep[N];
int dfn[N],topfa[N],tid[N];
void dfs1(int f,int u,int d){
    dep[u] = d;
    siz[u] = 1;
    fa[u] = f;
    for(int i = head[u];i != -1;i = edge[i].next){
        int v = edge[i].to;
        if(v == f) continue;
        dfs1(u,v,d+1);
        siz[u] += siz[v];
        if(son[u] == -1 || siz[son[u]] <= siz[v]) son[u] = v;
    }
}
void dfs2(int tf,int f,int u){
    dfn[u] = cnt;
    tid[cnt++] = u;
    topfa[u] = tf;
    for(int i = head[u];i != -1;i = edge[i].next){
        int v = edge[i].to;
        if(v == f) continue;
        if(v == son[u]) dfs2(tf,u,v);
        else dfs2(v,u,v);
    }
}
int lca(int a,int b){
    while(topfa[a] != topfa[b]){
        if(dep[topfa[a]] <= dep[topfa[b]]) b = fa[topfa[b]];
        else a = fa[topfa[a]];
    }
    if(dep[a] <= dep[b]) return a;
    else return b;
}

int v[N];
int ro[N];
struct Tr{
    int c[2],tot;
}tr[N*30];
int newtr(){
    cnt++;
    tr[cnt].tot = 0,tr[cnt].c[0] = 0, tr[cnt].c[1] = 0;
    return cnt;
}
void insert(int pre,int ro,int num){
    for(int i = 15;i >= 0;--i){
        int now = (num>>i)&1;
        tr[ro].c[now] = newtr();
        tr[ro].c[now^1] = tr[pre].c[now^1];
        if(!tr[pre].c[now]) tr[tr[ro].c[now]].tot = 1;
        else tr[tr[ro].c[now]].tot = tr[tr[pre].c[now]].tot + 1;
        pre = tr[pre].c[now];
        ro = tr[ro].c[now];
    }
}
void dfs(int fa,int u){
    int pre = ro[fa];
    ro[u] = newtr();
    int num = v[u];
    insert(pre,ro[u],num);
    for(int i = head[u];i != -1;i = edge[i].next){
        int v = edge[i].to;
        if(v == fa) continue;
        dfs(u,v);
    }
}
int query(int num,int rou,int rofa){
    int ans = 0;
    for(int i = 15;i >= 0;i--){
        int now = (num>>i)&1;
        if(tr[tr[rou].c[1^now]].tot - tr[tr[rofa].c[1^now]].tot){
            rou = tr[rou].c[1^now];
            rofa = tr[rofa].c[1^now];
            ans += (1<<i);
        }
        else{
            rou = tr[rou].c[now];
            rofa = tr[rofa].c[now];
        }
    }
    return ans;
}
int main()
{
    int n,m;
    tr[0].c[0] = tr[0].c[1] = 0;
    tr[0].tot = 0;
    while(~scanf("%d%d",&n,&m)){
        memset(son,-1,sizeof(son));
        memset(head,-1,sizeof(head));
        for(int i = 1;i <= n;++i) scanf("%d",&v[i]);
        cnt = 0;
        int u,v;
        for(int i = 1;i < n;++i){
            scanf("%d%d",&u,&v);
            edge[cnt].to = v,edge[cnt].next = head[u],head[u] = cnt++;
            edge[cnt].to = u,edge[cnt].next = head[v],head[v] = cnt++;
        }
        cnt = 0;
        dfs1(0,1,1),dfs2(1,1,1);
        cnt = 0;
        dfs(0,1);
        int x,y,z;
        for(int i = 1;i <= m;++i){
            scanf("%d%d%d",&x,&y,&z);
            int f = lca(x,y);
            int ans = max(query(z,ro[y],ro[fa[f]]),query(z,ro[x],ro[f]));
            printf("%d\n",ans);
        }
    }
    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