POJ 1330 Nearest Common Ancestors(LCA)

POJ 1330 Nearest Common Ancestors(LCA)

tags : acm


树链剖分搞不来,写道LCA压压惊.由于Tarjin没怎么看懂,所以就直接用dfs+st搞

题意:

给定一颗树,求两个节点的最近公共祖先

解析:

标准的LCA问题,关于LCA的做法可以参考这里

代码:

#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <vector>

using namespace std;

#define MAXN    12000

int T,N;

vector<int> cnn[MAXN];

int pos[MAXN];      //pos数组在确定根节点时用于记录入度,在dfs时用于记录节点在路径中第一次出现的位置
int d[MAXN*2][100]; //st算法中需要用到的数组

vector<int> path;   //用于记录路径
vector<int> depth;  //路径对应的深度

void dfs(int u,int d)
{
    int sz=cnn[u].size();
    for (int i=0;i<sz;i++)
    {
        int v=cnn[u][i];
        if (pos[v]==-1) //找到连接未访问过的点的边
        {
            //记录这条边远离根的端点
            pos[v]=path.size();
            path.push_back(v);
            depth.push_back(d);

            //访问下一层
            dfs(v,d+1);

            //记录这条边靠近根的端点
            path.push_back(u);
            depth.push_back(d);
        }
    }
}

void RMQ_init(const vector<int> A)
{
    int n=A.size();
    for (int i=0;i<n;i++)   d[i][0]=A[i];
    for (int j=1;(1<<j)<=n;j++)
        for (int i=0;i+(1<<j)-1<n;i++)
            d[i][j] = min(d[i][j-1],d[i+(1<<(j-1))][j-1]);
}

int RMQ(int L,int R)
{
    int k=0;
    while ((1<<k+1) <= R-L+1)   k++;
    return min(d[L][k],d[R-(1<<k)+1][k]);
}

int main()
{
    scanf("%d",&T);
    while (T--)
    {
        memset(pos,0,sizeof (pos));
        int u,v;
        scanf("%d",&N);
        for (int i=0;i<=N;i++)
            cnn[i].clear();
        for (int i=0;i<N-1;i++)
        {
            scanf("%d%d",&u,&v);
            cnn[u].push_back(v);
            cnn[v].push_back(u);

            pos[v]++;//记录入度
        }
        scanf("%d%d",&u,&v);

        //需要先确定根节点的标号,入度为0的点即为根节点
        int root=0;
        for (int i=1;i<=N;i++)
            if (!pos[i])
            {
                root = i;
                break;
            }

        //初始化标记数组,路径数组以及路径对应的深度数组
        memset(pos,-1,sizeof (pos));
        path.clear();
        depth.clear();
        //标记根节点
        pos[root]=path.size();
        path.push_back(root);
        depth.push_back(1);
        //进行dfs遍历,记录任意两节点之间的一条可行路径,这条路径经过该两点的最近公共祖先,且该祖先在这条路径中深度最小
        dfs(root,1);

        //初始化
        RMQ_init(depth);

        if (pos[u]>pos[v])
        {
            int tmp=u;
            u=v;
            v=tmp;
        }

        //获得LCA对应的深度
        int min_d=RMQ(pos[u],pos[v]);

        //在[pos[u],pos[v]]范围内找到深度为min_d的点(这样的点只有一个),即为LCA
        for (int i=pos[u];i<=pos[v];i++)
        {
            if (depth[i]==min_d)
            {
                printf("%d\n",path[i]);
                break;
            }
        }
    }
    return 0;
}
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