HiHo 112 Total Highway Distance

问题

http://hihocoder.com/contest/hiho112/problem/1

问题分析

题目给定一课最小生成树,求所有节点对之间的距离,然后将所有距离相加之后的和。而且之后要修改一些边的权重,再查询距离。
很容易想到一个方法是:统计每条边会被用到几次,最终答案就是 每条边的权重*用到的次数 然后所有边求和。 由于树的形状是不变的,因此每条边被用到的次数是可以复用。每次修改边的长度后,只需要对被修改的边重新计算,然后更新答案。
而要统计每条边被用几次,可以看做去除当前边后树被分成两部分,两部分节点个数的乘积即为此边被使用的次数。
如果我们使用dfs 遍历整棵树,可以求出每条边所指向的子树对应的节点个数,另外一部分节点的个数即为总节点数- 子树节点数。
另外为了在修改边时方便,我们需要求出每个节点所在的层数, 将子树的节点个数存储在子树的根节点处。当修改时只需要找出要修改的边所对应的子树的根节点。

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
enum{maxn= 100006};
vector<int> tree[maxn];
vector<int> treeLen[maxn];
ll total;
int level[maxn];
int nodeNum[maxn];
int path[maxn];
int N, M;
void dfs(int f)
{
    nodeNum[f] = 1;
    for (int i=0; i<tree[f].size(); ++i)
    {
        int v = tree[f][i];
        if (level[v] == 0)
        {
            path[v] = treeLen[f][i]; // 边的长度存储在子树的根节点处。
            level[v] = level[f]+1;
            dfs(v);
            nodeNum[f] += nodeNum[v];
            total += (ll)(N-nodeNum[v]) * (ll)nodeNum[v] * (ll)path[v];
        }
    }
}
void edit(int a, int b, int c)
{
    if (level[a] < level[b])
        swap(a, b);
    int delt = c - path[a];
    path[a] = c;
    total += (ll)delt * (ll)(N-nodeNum[a]) * (ll)nodeNum[a];
}
int main()
{
    scanf("%d %d", &N, &M);
    for (int i=0; i<N-1; ++i)
    {
        int a, b, c;
        scanf("%d %d %d", &a, &b, &c);
        tree[a].push_back(b);
        treeLen[a].push_back(c);
        tree[b].push_back(a);
        treeLen[b].push_back(c);
    }
    total =0;
    memset(level, 0, sizeof(level));
    level[1] = 1;
    dfs(1);
    char q[100];
    for (int i=0; i<M; ++i)
    {
        scanf("%s", q);
        if (q[0] == 'Q')
        {
            printf("%lld\n", total);
        }else
        {
            int a, b, c;
            scanf("%d %d %d", &a, &b, &c);
            edit(a, b, c);
        }
    }
    return 0;
}

注意问题

结果比较大需要用 long long 存储, 答案计算过程中也要转换为long long类型;

  • 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