BZOJ 2843 极地旅行社

题目链接

https://www.lydsy.com/JudgeOnline/problem.php?id=2843

题解

裸的不能再裸的LCT。

代码

#include <cstdio>
#include <algorithm>

int read()
{
  int x=0,f=1;
  char ch=getchar();
  while((ch<'0')||(ch>'9'))
    {
      if(ch=='-')
        {
          f=-f;
        }
      ch=getchar();
    }
  while((ch>='0')&&(ch<='9'))
    {
      x=x*10+ch-'0';
      ch=getchar();
    }
  return x*f;
}

const int maxn=30000;

struct node
{
  node *son[2],*fa;
  int sum,val,rev;
};

int n,m,cnt;
char s[10];
node tnode[maxn+10];

node* newnode(int val)
{
  node *x=&tnode[++cnt];
  x->fa=x->son[0]=x->son[1]=NULL;
  x->sum=x->val=val;
  x->rev=0;
  return x;
}

namespace lct
{
  int pushdown(node *x)
  {
    if(x->rev)
      {
        std::swap(x->son[0],x->son[1]);
        if(x->son[0]!=NULL)
          {
            x->son[0]->rev^=1;
          }
        if(x->son[1]!=NULL)
          {
            x->son[1]->rev^=1;
          }
        x->rev=0;
      }
    return 0;
  }

  int updata(node *x)
  {
    x->sum=x->val;
    if(x->son[0]!=NULL)
      {
        x->sum+=x->son[0]->sum;
      }
    if(x->son[1]!=NULL)
      {
        x->sum+=x->son[1]->sum;
      }
    return 0;
  }

  int t(node *x)
  {
    return x==x->fa->son[1];
  }

  int isroot(node *x)
  {
    if(x->fa==NULL)
      {
        return 1;
      }
    if((x->fa->son[0]!=x)&&(x->fa->son[1]!=x))
      {
        return 1;
      }
    return 0;
  }

  int rotate(node *x)
  {
    node *f=x->fa;
    pushdown(f);
    pushdown(x);
    int k=t(x);
    x->fa=f->fa;
    if(!isroot(f))
      {
        f->fa->son[t(f)]=x;
      }
    f->son[k]=x->son[!k];
    if(x->son[!k]!=NULL)
      {
        x->son[!k]->fa=f;
      }
    f->fa=x;
    x->son[!k]=f;
    updata(f);
    updata(x);
    return 0;
  }

  int splayroot(node *x)
  {
    while(!isroot(x))
      {
        node *f=x->fa;
        if(isroot(f))
          {
            rotate(x);
          }
        else if(t(f)==t(x))
          {
            rotate(f);
            rotate(x);
          }
        else
          {
            rotate(x);
            rotate(x);
          }
      }
    return 0;
  }

  int access(node *x)
  {
    node *last=NULL;
    while(x!=NULL)
      {
        splayroot(x);
        pushdown(x);
        x->son[1]=last;
        updata(x);
        last=x;
        x=x->fa;
      }
    return 0;
  }

  int makeroot(node *x)
  {
    access(x);
    splayroot(x);
    x->rev^=1;
    return 0;
  }

  int link(node *x,node *y)
  {
    makeroot(x);
    node *f=y;
    while(f->fa!=NULL)
      {
        f=f->fa;
      }
    if(f==x)
      {
        return -1;
      }
    makeroot(y);
    y->fa=x;
    return 0;
  }

  int getsum(node *x,node *y)
  {
    makeroot(x);
    node *f=y;
    while(f->fa!=NULL)
      {
        f=f->fa;
      }
    if(f!=x)
      {
        return -1;
      }
    access(y);
    splayroot(y);
    return y->sum;
  }

  int modify(node *x,int v)
  {
    splayroot(x);
    x->val=v;
    updata(x);
    return 0;
  }
}

int main()
{
  n=read();
  for(int i=1; i<=n; ++i)
    {
      int v=read();
      newnode(v);
    }
  m=read();
  while(m--)
    {
      scanf("%s",s);
      int a=read(),b=read();
      if(s[0]=='b')
        {
          puts(lct::link(&tnode[a],&tnode[b])?"no":"yes");
        }
      else if(s[0]=='p')
        {
          lct::modify(&tnode[a],b);
        }
      else
        {
          int ans=lct::getsum(&tnode[a],&tnode[b]);
          if(ans==-1)
            {
              puts("impossible");
            }
          else
            {
              printf("%d\n",ans);
            }
        }
    }
  return 0;
}

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。
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