HDU 3974 Assign the task(线段树+dfs序)

题意:

一棵树的结构,父节点是老板,子节点是员工,每次给父节点分配的任务,立即会下分到他所有的子节点,有更新和查询命令。

分析:

采用dfs序进行建树,可以很好的对区间进行修改和查询。

#include<bits/stdc++.h>

using namespace std;

const int maxn=5e4+10;

vector<int> g[maxn];

struct node{
    int val;
    bool mark;
}tree[maxn<<2];

bool vis[maxn];
int st[maxn];
int en[maxn];
int cnt;

void dfs(int u){
    st[u]=++cnt;
    for(int i=0;i<g[u].size();i++){
        dfs(g[u][i]);
    }
    en[u]=cnt;
}

void build(int l,int r,int i){
    tree[i].val=-1;
    tree[i].mark=0;
    if(l==r){
        return;
    }
    int mid=l+r>>1;
    build(l,mid,i<<1);
    build(mid+1,r,i<<1|1);
}

inline void update(int i){
    if(!tree[i].mark) return;
    tree[i<<1].mark=tree[i<<1|1].mark=tree[i].mark;
    tree[i<<1].val=tree[i<<1|1].val=tree[i].val;
    tree[i].mark=0;
}

int query(int l,int r,int i,int t){
    update(i);
    if(l==r) return tree[i].val;
    int mid=l+r>>1;
    if(t<=mid) return query(l,mid,i<<1,t);
    else return query(mid+1,r,i<<1|1,t);
}

void change(int tl,int tr,int l,int r,int i,int val){
    if(tl>r||tr<l) return;
    if(tl<=l&&r<=tr){
        tree[i].val=val;
        tree[i].mark=1;
        return;
    }
    update(i);
    int mid=l+r>>1;
    change(tl,tr,l,mid,i<<1,val);
    change(tl,tr,mid+1,r,i<<1|1,val);
}

int main(){
    int T;
    scanf("%d",&T);
    for(int cs=1;cs<=T;cs++){
        printf("Case #%d:\n",cs);
        int n,m;
        scanf("%d",&n);
        memset(vis,0,sizeof vis);
        for(int i=1;i<=n;i++) g[i].clear();
        memset(tree,0,sizeof tree);
        memset(st,0,sizeof st);
        memset(en,0,sizeof en);
        cnt=0;
        for(int i=1;i<n;i++){
            int u,v;
            scanf("%d%d",&u,&v);
            g[v].push_back(u);
            vis[u]=1;
        }
        for(int i=1;i<=n;i++){
            if(!vis[i]){
                dfs(i);
                break;
            }
        }
        build(1,cnt,1);
        scanf("%d",&m);
        while(m--){
            char ch;
            int x,y;
            scanf(" %c",&ch);
            if(ch=='C'){
                scanf("%d",&x);
                printf("%d\n",query(1,cnt,1,st[x]));
            }else{
                scanf("%d%d",&x,&y);
                change(st[x],en[x],1,cnt,1,y);
            }
        }
    }
    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)**:这种网络能够处理列数据,如时间列或自然语言,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