UOJ#58. 【WC2013】糖果公园

学了一波树上莫队

想要自己YY出转移方法交代了一个晚修未遂。。

现在的做法相当于是维护两条链,lca即用即删,好妙啊。。

对于树分块,写的是[B,3B]的,看到有人写伪ETT括号序列的,不知道那个快呢。。。

#include<cstdio>
#include<iostream>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#include<cmath>
using namespace std;
typedef long long LL;
const int maxn=110000;
const int maxm=110000;
const int maxQ=110000;

struct node
{
    int x,y,next;
}a[maxn*2];int len,last[maxn];
void ins(int x,int y)
{
    len++;
    a[len].x=x;a[len].y=y;
    a[len].next=last[x];last[x]=len;
}
int block,z,st[maxn]; int top,sta[maxn];
int Bin[30],f[30][maxn],dep[maxn];
void dfs(int x)
{
    for(int i=1;Bin[i]<=dep[x];i++)f[i][x]=f[i-1][f[i-1][x]];
    int now=top;
    for(int k=last[x];k;k=a[k].next)
    {
        int y=a[k].y;
        if(y!=f[0][x])
        {
            f[0][y]=x;
            dep[y]=dep[x]+1;
            dfs(y);
            if(top-now>=block)
            {
                z++;
                while(top!=now)st[sta[top--]]=z;
            }
        }
    }
    sta[++top]=x;
}
int LCA(int x,int y)
{
    if(dep[x]<dep[y])swap(x,y);
    for(int i=25;i>=0;i--)
        if(dep[x]-dep[y]>=Bin[i])x=f[i][x];
    if(x==y)return x;
    
    for(int i=25;i>=0;i--)
        if(dep[x]>=Bin[i]&&f[i][x]!=f[i][y])x=f[i][x],y=f[i][y];
    return f[0][x];
}

//-----------------------------split----------------------------------------------------------------------

struct Change{int x,nc,pc,t;}c[maxQ];int clen,clast[maxn];
struct Query{int x,y,t;}q[maxQ];int qlen;LL as[maxQ];
bool cmp(Query q1,Query q2)
{
    return st[q1.x]==st[q2.x]? (st[q1.y]==st[q2.y]?q1.t<q2.t:st[q1.y]<st[q2.y]) : st[q1.x]<st[q2.x];
}

LL sum; 
int co[maxn],s[maxn];//节点颜色,节点是否计入答案 
LL num[maxm],v[maxm],w[maxn];//当前颜色出现次数,某颜色的价值,新奇指数 
void change(int x,int col)
{
    if(s[x]) sum-=w[num[co[x]]]*v[co[x]], num[co[x]]--;
    co[x]=col;
    if(s[x]) num[co[x]]++, sum+=w[num[co[x]]]*v[co[x]];
}
void res(int x)
{
    if(!s[x]) num[co[x]]++, sum+=w[num[co[x]]]*v[co[x]];
    else      sum-=w[num[co[x]]]*v[co[x]], num[co[x]]--;
    s[x]^=1;
}
void zzz(int x,int y)
{
    while(x!=y)
    {
        if(dep[x]>dep[y])res(x),x=f[0][x];
        else res(y),y=f[0][y];
    }
}
void solve(int Q)
{
    int j=0; sum=0;
    q[0].x=q[0].y=1;
    for(int i=1;i<=qlen;i++)
    {
        while(j<clen&&c[j+1].t<q[i].t)j++,change(c[j].x,c[j].nc);
        while(j>0&&q[i].t<c[j].t)change(c[j].x,c[j].pc),j--;
        
        zzz(q[i-1].x,q[i].x);
        zzz(q[i-1].y,q[i].y);
        int lca=LCA(q[i].x,q[i].y);
        res(lca);
        as[q[i].t]=sum;
        res(lca);
    } 
}

//-----------------------------莫队----------------------------------------------------------------------

int main()
{
    int n,m,Q;
    scanf("%d%d%d",&n,&m,&Q);
    for(int i=1;i<=m;i++)scanf("%lld",&v[i]);
    for(int i=1;i<=n;i++)scanf("%lld",&w[i]);
    
    int x,y; len=1;
    for(int i=1;i<n;i++)
    {
        scanf("%d%d",&x,&y);
        ins(x,y),ins(y,x);
    }
    block=pow(x,2.0/3.0);
    Bin[0]=1;for(int i=1;i<=25;i++)Bin[i]=Bin[i-1]*2;
    z=0;dfs(1);
    z++;while(top!=0)st[sta[top--]]=z;
    for(int i=1;i<=n;i++)
        scanf("%d",&co[i]),clast[i]=co[i];

    int op=0;
    for(int i=1;i<=Q;i++)
    {
        scanf("%d",&op);
        if(op==0)
        {
            clen++;
            scanf("%d%d",&c[clen].x,&c[clen].nc),c[clen].t=i;
            c[clen].pc=clast[c[clen].x],clast[c[clen].x]=c[clen].nc;
        }
        else
        {
            qlen++;
            scanf("%d%d",&q[qlen].x,&q[qlen].y),q[qlen].t=i;
        }
    }
    sort(q+1,q+qlen+1,cmp);
    
    memset(as,-1,sizeof(as));
    solve(Q);
    for(int i=1;i<=Q;i++)
        if(as[i]!=-1)printf("%lld\n",as[i]);
    

    return 0;
}

 

转载于:https://www.cnblogs.com/AKCqhzdy/p/10279586.html

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