BZOJ 2243: [SDOI2011]染色 树链剖分

Description

给定一棵有n个节点的无根树和m个操作,操作有2类:
1、将节点a到节点b路径上所有点都染成颜色c;
2、询问节点a到节点b路径上的颜色段数量(连续相同颜色被认为是同一段),
如“112221”由3段组成:“11”、“222”和“1”。
请你写一个程序依次完成这m个操作。

Input

第一行包含2个整数n和m,分别表示节点数和操作数;
第二行包含n个正整数表示n个节点的初始颜色
下面 行每行包含两个整数x和y,表示x和y之间有一条无向边。
下面 行每行描述一个操作:
“C a b c”表示这是一个染色操作,把节点a到节点b路径上所有点(包括a和b)都染成颜色c;
“Q a b”表示这是一个询问操作,询问节点a到节点b(包括a和b)路径上的颜色段数量。

Output

对于每个询问操作,输出一行答案。

Sample Input

6 5

2 2 1 2 1 1

1 2

1 3

2 4

2 5

2 6

Q 3 5

C 2 1 1

Q 3 5

C 5 1 2

Q 3 5

Sample Output

3

1

2
HINT
数N<=105,操作数M<=105,所有的颜色C为整数且在[0, 10^9]之间。

先建一个树链剖分,然后写一个线段树就好了。注意合并的时候颜色的变化。

#include<bits/stdc++.h>
#define mem(x,v) memset(x,v,sizeof(x))
#define lson now << 1
#define rson now << 1 | 1
using namespace std;
const int N = 2e5+100;
int n,m;
struct node
{
	int lazy,val;
	int lc,rc;	
}tree[N*4];
int cnt,Head[N],Next[N*2],to[N*2],w[N],wt[N];
int son[N],id[N],tim,size[N],top[N],dep[N],f[N];
int ft[N][20];
void Add_edge(int u, int v){
	to[++cnt] = v;
	Next[cnt] = Head[u];
	Head[u] = cnt;
}
void dfs1(int u, int fa, int deep){
	dep[u] = deep; f[u] = fa; size[u] = 1;
	ft[u][0] = fa;
	for (int i = 1; i < 20; i++)
		ft[u][i] = ft[ft[u][i-1]][i-1];
	for (int i = Head[u]; i; i = Next[i]){
		int v = to[i];
		if (v == fa) continue;
		dfs1(v, u, deep + 1);
		size[u] += size[v];
		if (size[v] > size[son[u]]) son[u] = v;
	}
}
void dfs2(int u, int topf){
	id[u] = ++tim;
	wt[tim] = w[u];
	top[u] = topf;
	if (!son[u]) return;
	dfs2(son[u],topf);
	for (int i = Head[u]; i; i = Next[i]){
		int v = to[i];
		if (v == f[u] || v == son[u]) continue;
		dfs2(v,v);
	}
}
void pushdown(int now){
	if (tree[now].lazy == -1) return;
	tree[lson].lc = tree[lson].rc = tree[now].lazy;
	tree[rson].lc = tree[rson].rc = tree[now].lazy;
	tree[lson].lazy = tree[rson].lazy = tree[now].lazy;
	tree[lson].val = tree[rson].val =1;
	tree[now].lazy = -1;
}
void Build(int now, int l, int r){
	tree[now].lazy = -1;   //lazy 标记,一开始算是没有颜色。
	if (l + 1 == r){
		tree[now].lc = wt[l];
		tree[now].rc = wt[l];
		tree[now].val = 1;
		return;
	}
	int mid = (l + r) >> 1;
	Build(lson,l,mid); Build(rson,mid,r);
	tree[now].val = tree[lson].val + tree[rson].val;
	if (tree[lson].rc == tree[rson].lc) tree[now].val--;  //合并的时候判断,中间的点颜色是不是一样的。如果是,颜色数要 -1
	tree[now].lc = tree[lson].lc;
	tree[now].rc = tree[rson].rc;
}

void Insert(int now, int l,int r, int a, int b, int k){
	if (a <= l && b >= r-1){
		tree[now].val = 1;
		tree[now].lc = tree[now].rc = k;
		tree[now].lazy = k;
		return;
	}
	int mid = (l + r) >> 1;
	pushdown(now);
	if (a < mid)  Insert(lson,l,mid,a,b,k);
	if (b >= mid) Insert(rson,mid,r,a,b,k);
	tree[now].val = tree[lson].val + tree[rson].val;
	if (tree[lson].rc == tree[rson].lc) tree[now].val--;
	tree[now].lc = tree[lson].lc;
	tree[now].rc = tree[rson].rc;
}
int Query(int now,int l, int r, int a, int b){
	int ans = 0;
	if (a <= l && b >= r - 1){
		ans += tree[now].val;
		return ans;
	}
	pushdown(now);
	int mid = (l + r) >> 1;
	if (a < mid) ans += Query(lson,l,mid,a,b);
	if (b >= mid) ans += Query(rson,mid,r,a,b);
	if ((a < mid) && (b >= mid)){
		if (tree[lson].rc == tree[rson].lc) ans--;
	}
	return ans;
}
int lca(int x, int y){
	if (dep[x] < dep[y]) swap(x,y);
	for (int i = 19; i >= 0; i--)
		if (dep[ft[x][i]] >= dep[y]) x = ft[x][i];
	if (x == y) return x;
	for (int i = 19; i >= 0; i--)
		if (ft[x][i] != ft[y][i]){
			x = ft[x][i]; y = ft[y][i];
		}
	return ft[x][0];
}
void upRange(int x, int y, int k){
	while(top[x] != top[y]){
		Insert(1,1,n+1,id[top[x]],id[x],k);
		x = f[top[x]];
	}
	Insert(1,1,n+1,id[y],id[x],k);
}
int ask_col(int now,int l, int r, int k){
	if (l + 1 == r){
		return tree[now].lc;
	}
	int mid = (l + r) / 2;
	pushdown(now);
	if (k < mid) return ask_col(lson,l,mid,k); else
	return ask_col(rson,mid,r,k);
}
int ask_Range(int x, int y){
	int ans = 0;
	//这个地方知道了两个点的最近公共祖先是其中 y 点,所以就不需要比较两个点的深度了。
	while(top[x] != top[y]){
		ans += Query(1,1,n+1,id[top[x]],id[x]);
		if (ask_col(1,1,1+n,id[top[x]]) == ask_col(1,1,1+n,id[f[top[x]]])) ans--;  
		//两个相连接的路径上,判断相邻的两个点的颜色是不是一样的,。 
		x = f[top[x]];
	}
	ans += Query(1,1,1+n,id[y],id[x]);
	return ans;
}

int main(){
	scanf("%d%d",&n,&m);
	for (int i = 1; i <= n; i++) 
		scanf("%d",&w[i]);
	int x,y,z;
	for (int i = 1; i < n; i++){
		scanf("%d%d",&x,&y);
		Add_edge(x,y); Add_edge(y,x);
	}
	dfs1(1,0,1); 
	dfs2(1,1);
	Build(1,1,n+1);
	char ch[10];
	int ans;
	for (int i = 0; i < m; i++){
		scanf("%s",ch);  //读入错了,改了好长时间。 
		if (ch[0] == 'Q'){
			scanf("%d%d",&x,&y);
			z = lca(x,y); //两个点不一定在一条路上,找最高的点。
			ans = ask_Range(x,z); // 分成两条路。
			ans += ask_Range(y,z);
			printf("%d\n",ans-1); //最近公共祖先一定是重复计算,所以 -1。
		} else {
			scanf("%d%d%d",&x,&y,&z);
			int mark = lca(x,y);
			upRange(x,mark,z);
			upRange(y,mark,z);
		}
	}
	return 0;
}


/*

6 5
2 2 1 2 1 1
1 2
1 3
2 4
2 5
2 6
Q 3 5
C 2 1 1
Q 3 5
C 5 1 2
Q 3 5

*/
  • 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
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