BZOJ 3626 LNOI 2014 LCA 树链剖分

题目大意:给出一棵树,有n个问题,询问在[l,r]区间内的每个节点i与z的最近公共祖先的深度之和。


思路:不会,然后看了题解,之后发现自己智商严重不足。

看到数据范围就知道一定要离线处理,就这个离线处理我估计以我的智商不看题解是肯定想不出来的。。

考虑这样的一种暴力,我们把 z 到根上的点全部打标记,对于 l 到 r 之间的点,向上搜索到第一个有标记的点求出它的深度统计答案。观察到,深度其实就是上面有几个已标记了的点(包括自身)。所以,我们不妨把 z 到根的路径上的点全部 +1,对于 l 到 r 之间的点询问他们到根路径上的点权和。仔细观察上面的暴力不难发现,实际上这个操作具有叠加性,且可逆。也就是说我们可以对于 l 到 r 之间的点 i,将 i 到根的路径上的点全部 +1, 转而询问 z 到根的路径上的点(包括自身)的权值和就是这个询问的答案。把询问差分下,也就是用 [1, r] − [1, l − 1] 来计算答案,那么现在我们就有一个明显的解法。从 0 到 n − 1 依次插入点 i,即将 i 到根的路径上的点全部+1。离线询问答案即可。我们现在需要一个数据结构来维护路径加和路径求和,显然树链剖分或LCT 均可以完成这个任务。树链剖分的复杂度为 O((n + q)· log n · log n),LCT的复杂度为 O((n + q)· log n),均可以完成任务。至此,题目已经被我们完美解决。

神题啊。。。


CODE:

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#define MAX 100010
#define INF 0x3f3f3f3f
#define LEFT (pos << 1)
#define RIGHT (pos << 1|1)
#define CNT (r - l + 1)
#define MO 201314
using namespace std;

struct _Ask{
	bool is_l;
	int x,z;
	int id;
	
	_Ask(bool _,int __,int ___,int ____):is_l(_),x(__),z(___),id(____) {}
	_Ask() {}
	bool operator <(const _Ask &a)const {
		if(x == a.x)	return is_l;
		return x < a.x;
	}
}ask[MAX];

struct SegTree{
	long long sum;
	int c;
}tree[MAX << 2];

int points,asks;
int head[MAX],total;
int next[MAX],aim[MAX];

int deep[MAX],father[MAX],son[MAX],size[MAX];
int pos[MAX],top[MAX],cnt;

long long ans[MAX];

inline void Add(int x,int y)
{
	next[++total] = head[x];
	aim[total] = y;
	head[x] = total;
}

void PreDFS(int x)
{
	deep[x] = deep[father[x]] + 1;
	size[x] = 1;
	int max_size = 0,p = 0;
	for(int i = head[x]; i; i = next[i]) {
		PreDFS(aim[i]);
		size[x] += size[aim[i]];
		if(max_size < size[aim[i]])
			max_size = size[aim[i]],p = aim[i];
	}
	son[x] = p;
}

void DFS(int x,int _top)
{
	pos[x] = ++cnt;
	top[x] = _top;
	if(son[x])	DFS(son[x],_top);
	for(int i = head[x]; i; i = next[i]) {
		if(aim[i] == son[x])	continue;
		DFS(aim[i],aim[i]);
	}
}

inline void PushDown(int pos,int cnt)
{
	if(tree[pos].c) {
		tree[LEFT].sum += tree[pos].c * (cnt - (cnt >> 1));
		tree[RIGHT].sum += tree[pos].c * (cnt >> 1);
		tree[LEFT].c += tree[pos].c;
		tree[RIGHT].c += tree[pos].c;
		tree[pos].c = 0;
	}
}

void Modify(int l,int r,int x,int y,int pos)
{
	if(l == x && r == y) {
		tree[pos].sum += CNT;
		++tree[pos].c;
		return ;
	}
	PushDown(pos,CNT);
	int mid = (l + r) >> 1;
	if(y <= mid)	Modify(l,mid,x,y,LEFT);
	else if(x > mid)	Modify(mid + 1,r,x,y,RIGHT);
	else {
		Modify(l,mid,x,mid,LEFT);
		Modify(mid + 1,r,mid + 1,y,RIGHT);
	}
	tree[pos].sum = tree[LEFT].sum + tree[RIGHT].sum;
}

inline void Modify(int x)
{
	while(x) {
		Modify(1,cnt,pos[top[x]],pos[x],1);
		x = father[top[x]];
	}
}

long long Ask(int l,int r,int x,int y,int pos)
{
	if(l == x && y == r)
		return tree[pos].sum;
	PushDown(pos,CNT);
	int mid = (l + r) >> 1;
	if(y <= mid)	return Ask(l,mid,x,y,LEFT);
	if(x > mid)		return Ask(mid + 1,r,x,y,RIGHT);
	long long left = Ask(l,mid,x,mid,LEFT);
	long long right = Ask(mid + 1,r,mid + 1,y,RIGHT);
	return left + right;
}

inline long long Ask(int x)
{
	long long re = 0;
	while(x) {
		re += Ask(1,cnt,pos[top[x]],pos[x],1);
		x = father[top[x]];
	}
	return re;
}

int main()
{
	cin >> points >> asks;
	for(int x,i = 2; i <= points; ++i) {
		scanf("%d",&x),++x;
		Add(x,i);
		father[i] = x;
	}
	PreDFS(1);
	DFS(1,1);
	for(int num = 0,x,y,z,i = 1; i <= asks; ++i) {
		scanf("%d%d%d",&x,&y,&z);
		++x,++y,++z;
		ask[++num] = _Ask(true,x - 1,z,i);
		ask[++num] = _Ask(false,y,z,i);
	}
	sort(ask + 1,ask + (asks << 1) + 1);
	int j = 1;
	for(int i = 0; i <= points; ++i) {
		Modify(i);
		for(; ask[j].x == i; ++j)
			if(ask[j].is_l)
				ans[ask[j].id] = Ask(ask[j].z);
			else
				ans[ask[j].id] = (Ask(ask[j].z) - ans[ask[j].id]) % MO;
	}
	for(int i = 1; i <= asks; ++i)
		printf("%d\n",(int)ans[i]);
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心题,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、核心题 目标检测涉及以下几个核心题: 分类题:判断图像中的目标属于哪个类别。 定位题:确定目标在图像中的具体位置。 大小题:目标可能具有不同的大小。 形状题: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
目标检测(Object Detection)是计算机视觉领域的一个核心题,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、核心题 目标检测涉及以下几个核心题: 分类题:判断图像中的目标属于哪个类别。 定位题:确定目标在图像中的具体位置。 大小题:目标可能具有不同的大小。 形状题: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
目标检测(Object Detection)是计算机视觉领域的一个核心题,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、核心题 目标检测涉及以下几个核心题: 分类题:判断图像中的目标属于哪个类别。 定位题:确定目标在图像中的具体位置。 大小题:目标可能具有不同的大小。 形状题: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