专题·点分治【including 点分治,洛谷P3806·【模板】点分治1及例题

初见安~几百年没写专题了来整理一波:)

点分治

1.概念

众所周知,分治是一种算法思想层面的东西【大雾。那么点分治是什么呢——通过静态的运算统计出树上一定条件下路径的一种算法。诸如在树上求路径长度<=K的路径数量之类的。

那么对于分治,这一思想上的体现在于——因为路径有直链和折链,假设我们要求的是路径长度不超过K的路径数量,并且在以1为我们统计的路径的LCA的状况下,我们是不是可以通过求出其他每个点到点1的距离并且匹配看有多少合法的数量?这样统计出来的都是以1为LCA经过的路径。那么剩下的不经过1的路径呢?我们就可以以1的各个子树的根为根继续往下匹配剩下的不经过点1的路径……这里应该还是比较好理解的。这样下来每个点都会刚好作为一个子树的根统计一次路径,复杂度是O(nlogn)的。【后面还会讲到关于复杂度的】

但是我们继续思考——如果每次都固定以节点1作为根开始,然后依次子树往下,如果碰到一条链,复杂度就会径直退化到O(n^2)。所以为了维护这个log的复杂度,我们每次框定子树过后就以重心【重心:去掉该点后的最大子树最小】作为根。这样的话各个子树的深度就保证了在log的复杂度内了。

这样讲的话读者可以开留个大概印象,点分治主要处理路径的思路就是挨个处理子树,拼凑折链。

2.代码例题

洛谷P3806 【模板】点分治1

题目描述

给定一棵有n个点的树

询问树上距离为k的点对是否存在。

输入格式

n,m 接下来n-1条边a,b,c描述a到b有一条长度为c的路径

接下来m行每行询问一个K

输出格式

对于每个K每行输出一个答案,存在输出“AYE”,否则输出”NAY”(不包含引号)

输入

2 1
1 2 2
2

输出 

AYE

说明/提示

对于30%的数据n<=100

对于60%的数据n<=1000,m<=50

对于100%的数据n<=10000,m<=100,c<=10000,K<=10000000

题解

这就是点分治最裸的板子题了,问你长度为K的路径是否存在。【头一次一段一段地解释代码呢……】

本人用的是邻接表存图】

首先,从整棵树入手,我们要先求出整棵树的重心作为根节点切入。

求重心:

int root, max_num, part[maxn];
void get_root(int u, int fa) {
	size[u] = 1, part[u] = 0;//size是以u为根节点的整个树的大小,part是最大的子树大小
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(v == fa || vis[v]) continue;
		get_root(v, u);
		size[u] += size[v], part[u] = max(part[u], size[v]);
	}
	part[u] = max(part[u], max_num - size[u]);//max_num是所求的整棵树的大小,具体可以看主函数
	if(part[u] < part[root]) root = u;
}

求出来了重心root,我们就可以开始solve这棵树了。

solve的主要功能是点分治的框架的构造。


int root, max_num, part[maxn];
bool vis[maxn];//vis记录是否以这个节点为重心过
void solve(int u) {
	judge[0] = true;//judge是桶,judge[i]表示长度为i的路径存在,后面会用到
	vis[u] = true;
	cal(u);//cal去实现求答案
	
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(vis[v]) continue;//往下遍历子树
		max_num = size[v]; root = 0; get_root(v, u);//为子树求出重心
		solve(root);//点分治
	}
}

接下来我们就要考虑答案的计算了,也就是最核心的代码部分:cal函数:

int len[maxn], dis[maxn];
bool judge[INF], test[maxn];
void get_dis(int u, int fa) {//递归求距离,很基础就不解释了
	len[++len[0]] = dis[u];
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(v == fa || vis[v]) continue;
		dis[v] = dis[u] + e[i].w;
		get_dis(v, u);
	}
}

void cal(int u) {
	int p = 0;
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(vis[v]) continue;
		len[0] = 0; dis[v] = e[i].w;//len[0]用来统计有多少个len,后面dis会用
		get_dis(v, u);//这里是递归去求子树各个点到u的距离
		
		for(int j = len[0]; j; j--)
			for(int k = 1; k <= m; k++) if(len[j] <= ques[k])//ques[k]是第k个询问
				test[k] |= judge[ques[k] - len[j]];//test是第k个询问是否有答案,这里是在用judge匹配
				
		for(int j = len[0]; j; j--) judge[len[j]] = true, q[++p] = len[j];//把答案加入judge
	}
	
	for(int i = 1; i <= p; i++) judge[q[i]] = 0;// judge每次用完过后都要清空的。
}

到这里,我们的核心代码就都已经完成啦~

下面上完整代码【没有核心代码的注解哦】

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
#include<queue>
#define maxn 10004
using namespace std;
typedef long long ll;
const int INF = 1e7 + 5;//按照题目意思应该要开1e8,但是……数据水,开1e5都能过
int read() {
	int x = 0, f = 1, ch = getchar();
	while(!isdigit(ch)) {if(ch == '-') f = -1; ch = getchar();}
	while(isdigit(ch)) x = (x << 1) + (x << 3) + ch - '0', ch = getchar();
	return x * f;
}

int n, m;
struct edge {
	int to, w, nxt;
	edge() {}
	edge(int tt, int ww, int nn) {to = tt, w = ww, nxt = nn;}
}e[maxn << 1];

int head[maxn], k = 0;
void add(int u, int v, int w) {e[k] = edge(v, w, head[u]); head[u] = k++;}

int ques[maxn], size[maxn], q[maxn], len[maxn], dis[maxn];
int root, max_num, part[maxn];
bool vis[maxn], judge[INF], test[maxn];
void get_root(int u, int fa) {
	size[u] = 1, part[u] = 0;
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(v == fa || vis[v]) continue;
		get_root(v, u);
		size[u] += size[v], part[u] = max(part[u], size[v]);
	}
	part[u] = max(part[u], max_num - size[u]);
	if(part[u] < part[root]) root = u;
}

void get_dis(int u, int fa) {
	len[++len[0]] = dis[u];
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(v == fa || vis[v]) continue;
		dis[v] = dis[u] + e[i].w;
		get_dis(v, u);
	}
}

void cal(int u) {
	int p = 0;
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(vis[v]) continue;
		len[0] = 0; dis[v] = e[i].w;
		get_dis(v, u);
		
		for(int j = len[0]; j; j--)
			for(int k = 1; k <= m; k++) if(len[j] <= ques[k])
				test[k] |= judge[ques[k] - len[j]];
				
		for(int j = len[0]; j; j--) judge[len[j]] = true, q[++p] = len[j];
	}
	
	for(int i = 1; i <= p; i++) judge[q[i]] = 0;// 
}

void solve(int u) {
	judge[0] = true;
	vis[u] = true;
	cal(u);
	
	for(int i = head[u]; ~i; i = e[i].nxt) {
		register int v = e[i].to; if(vis[v]) continue;
		max_num = size[v]; root = 0; get_root(v, u);
		solve(root);
	}
}

signed main() {
	memset(head, -1, sizeof head);
	n = read(), m = read();
	for(int u, v, w, i = 1; i < n; i++) u = read(), v = read(), w = read(), add(u, v, w), add(v, u, w);
	
	for(int i = 1; i <= m; i++) ques[i] = read();
	
	max_num = part[0] = n; root = 0;//这里就是一开始求重心的初始化
	get_root(1, 0);
	solve(root);
	
	for(int i = 1; i <= m; i++) {
		if(test[i]) puts("AYE");
		else puts("NAY");
	}
	return 0;
}	

其实点分治也是要多做几个板子题才能较为熟练地运用。并且有个很有趣的细节要注意一下:每次我们递归点分治求重心的时候,其实赋值给max_num的size[v]并不一定就刚好是这颗子树的大小。为什么?因为我们求重心的同时各个子树的形态也一直在变呀,简单模拟一下就可以发现这一点了。但是却也真的保证了答案的正确性,毕竟最大的子树这种东西……只要够小,max_num等于多少都是相对的,还是可以选出来。

下面还推荐一个很模板的题目:洛谷P2634 聪聪可可

以及一个稍微灵活一丢丢,可以在刷完前两题就来做的题目:洛谷P2993 最短路径树问题

迎评:)
——End——

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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