[bzoj1180][CROATIAN2009]OTOCI_LCT

OTOCI bzoj-1180 CROATIAN-2009

题目大意:给你n个离散的点,m个操作。支持:两点加边(保证还是森林),修改单点权值,询问两点是否联通,查询联通两点之间路径权值。

注释:$1\le n \le 30,000$,$1\le m \le 300,000$。

想法:显然,又是一道LCT裸题。加边操作直接用link,修改权值直接修改,路径和的话每个点维护子树权值和makeroot(x)+access(y)+splay(y),然后直接查询子树和即可。

最后,附上丑陋的代码... ...

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
#define N 100050
#define mod 51061
#define ls ch[p][0]
#define rs ch[p][1]
#define get(x) (ch[f[x]][1]==x)
// typedef unsigned int int;
int n,m,ch[N][2],f[N],rev[N];
int sum[N],mul[N],/* add[N],siz[N], */val[N];
char s[10];
inline bool isrt(int x)
{
    return ch[f[x]][0]!=x&&ch[f[x]][1]!=x;
}
void pushdown(int p)
{
    // if(mul[p]!=1)
	// {
    //     int u=mul[p];
    //     sum[ls]=sum[ls]*u%mod; mul[ls]=mul[ls]*u%mod; add[ls]=add[ls]*u%mod; val[ls]=val[ls]*u%mod;
    //     sum[rs]=sum[rs]*u%mod; mul[rs]=mul[rs]*u%mod; add[rs]=add[rs]*u%mod; val[rs]=val[rs]*u%mod;
    //     mul[p]=1;
    // }
    // if(add[p])
	// {
    //     int d=add[p];
    //     sum[ls]=(sum[ls]+siz[ls]*d%mod)%mod; add[ls]=(add[ls]+d)%mod; val[ls]=(val[ls]+d)%mod;
    //     sum[rs]=(sum[rs]+siz[rs]*d%mod)%mod; add[rs]=(add[rs]+d)%mod; val[rs]=(val[rs]+d)%mod;
    //     add[p]=0;
    // }
    if(rev[p])
	{
        swap(ch[ls][0],ch[ls][1]);
        swap(ch[rs][0],ch[rs][1]);
        rev[ls]^=1; rev[rs]^=1;
        rev[p]=0;
    }
}
void pushup(int p)
{
    // siz[p]=siz[ls]+siz[rs]+1;
    sum[p]=(sum[ls]+sum[rs]+val[p])/* %mod */;
}
void update(int p)
{
    if(!isrt(p)) update(f[p]);
    pushdown(p);
}
void rotate(int x)
{
    int y=f[x],z=f[y],k=get(x);
    if(!isrt(y)) ch[z][ch[z][1]==y]=x;
    ch[y][k]=ch[x][!k]; f[ch[y][k]]=y;
    ch[x][!k]=y; f[y]=x; f[x]=z;
    pushup(y); pushup(x);
}
void splay(int x)
{
    update(x);
    for(int fa;fa=f[x],!isrt(x);rotate(x))
        if(!isrt(fa))
            rotate(get(fa)==get(x)?fa:x);
}
void access(int p)
{
    int t=0;
    while(p) splay(p),rs=t,pushup(p),t=p,p=f[p];
}
void makeroot(int p)
{
    access(p); splay(p); swap(ls,rs); rev[p]^=1;
}
void link(int x,int p)
{
    makeroot(x); f[x]=p;
}
void cut(int x,int p)
{
    makeroot(x); access(p); splay(p); ls=f[x]=0;
}
void split(int x,int p)
{
    makeroot(x); access(p); splay(p);
}
int find(int p)
{
	access(p); splay(p);
	while(ls) pushdown(p),p=ls;
	return p;
}
void fix(int p,int v)
{
	access(p);
	splay(p);val[p]=v;
	pushup(p);
}
int main()
{
	/* int n; */ cin >> n ;
	for(int i=1;i<=n;i++) scanf("%d",&val[i]);
	scanf("%d",&m);
	for(int x,y,i=1;i<=m;i++)
	{
		scanf("%s%d%d",s,&x,&y);
		if(s[0]=='e')
		{
			if(find(x)!=find(y))
			{
				puts("impossible");
			}
			else
			{
				split(x,y);
				printf("%d\n",sum[y]);
			}
		}
		else if(s[0]=='b')
		{
			if(find(x)==find(y)) puts("no");
			else puts("yes"),link(x,y);
		}
		else fix(x,y);
	}
}

 小结:LCT的模板生涯结束了... ...

转载于:https://www.cnblogs.com/ShuraK/p/9325974.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