【2016北京集训】银河战舰

本文介绍了一种解决树上最长上升子序列问题的方法,利用点分治与线段树技巧,通过维护节点的上升与下降子序列,实现了nlogn的复杂度。

Portal --> broken qwq

Description

  给你一棵树,每个节点有一个权值,求树上最长的一条链上的最长上升子序列长度

  数据范围:\(2<=n<=200000,1<=val<=10^6\),其中\(val\)表示点权

  

Solution

  深陷点分无法自拔论我的头里面都装了些什么== 大家好我是一个失去脑子的点分+线段树选手==

​  这题的话。。首先一个前置技能是nlogn子序列,然后我们只要把这个玩意搬到树上就好了

​  注意到假设答案过一个点\(x\),那么肯定是\(x\)的某个子树中的一段上升子序列+另一个子树中的一段下降子序列,所以我们需要维护两个东西

​  类似于序列上的求解,我们对于树上的每一个节点维护一个\(up\)数组和\(dw\)数组,\(up[i]\)表示该节点子树中长度为\(i\)的上升子序列(从深到浅)的深度最浅的那个值最小是多少,\(dw[i]\)类似地表示下降子序列深度最浅的那个值最大是多少

​  那么答案的求解应该就是对于每个点选择其两个不同的后继子树,其中一个取\(up\),另一个取\(dw\),拼在一起,然后还要分为取这个点或者不取这个点两种情况

​  然后对于一个节点的\(up\)\(dw\)就是直接从子树中继承过来就好了,最后再加上单独自己这个点的情况

​  现在的问题是,我们要怎么实现

​  对于求解\(ans\)中那个“选择两个不同的子树”这个,我们可以用先求解再更新的套路来处理,每次dfs完一个儿子,我们先用这个儿子的信息和当前的合并了前面遍历的所有儿子信息的数组(汇总数组)进行答案求解,然后再将这个儿子的信息合并到那个汇总数组中

  合并信息的话,注意到合并两个信息数组的复杂度和该数组对应的子树深度有关,所以我们考虑启发式合并的思想,直接暴力将小的往大的里面插就好了

​  这种思想也会用在求解中,我们考虑暴力枚举较小的那个数组中的每个元素,然后在另一个数组中二分找到可以接上的最长长度,然后更新答案即可

​  最后是加入自己单独这个点:这部分的处理其实和普通的序列问题处理方式基本一致,也是二分一波然后直接更新就好了

​  再具体一点的话。。可以考虑用vector来存每个节点的\(up\)\(dw\),不过这样需要注意一点就是下标和其对应的长度会差\(1\),这个偏移在计算的时候需要注意

  虽然不太会证明。。但是跟启发式合并类似,总的时间复杂度是\(O(nlogn)\)

  

  代码大概长这个样子

#include<iostream>
#include<cstdio>
#include<cstring>
#include<vector>
#include<algorithm>
using namespace std;
const int N=2*(1e5)+10;
struct xxx{
    int y,nxt;
}a[N*2];
vector<int> up[N],dw[N];
vector<int>::iterator it;
int h[N],mxdep[N],son[N],dep[N];
int val[N];
int n,m,tot,ans;
bool cmp(int x,int y){return x>y;}
void add(int x,int y){a[++tot].y=y; a[tot].nxt=h[x]; h[x]=tot;}
void merge(int x,int y){//into x
    int szx=up[x].size(),szy=up[y].size();
    if (szx>=szy)
        for (int i=0;i<szy;++i)
            up[x][i]=min(up[x][i],up[y][i]);
    else{
        for (int i=0;i<szx;++i)
            up[y][i]=min(up[y][i],up[x][i]);
        swap(up[x],up[y]);
    }

    szx=dw[x].size(); szy=dw[y].size();
    if (szx>=szy)
        for (int i=0;i<szy;++i)
            dw[x][i]=max(dw[x][i],dw[y][i]);
    else{
        for (int i=0;i<szx;++i)
            dw[y][i]=max(dw[y][i],dw[x][i]);
        swap(dw[x],dw[y]);
    }
}
void choose(int x,int y,int who){
    int len1=lower_bound(up[x].begin(),up[x].end(),val[who])-up[x].begin();
    int len2=lower_bound(dw[y].begin(),dw[y].end(),val[who],cmp)-dw[y].begin();
    ans=max(ans,len1+len2+1);
}
void nchoose(int x,int y,int who){
    int len,szx=up[x].size(),szy=dw[y].size();
    if (szx>=szy){
        for (int i=0;i<szy;++i){
            len=lower_bound(up[x].begin(),up[x].end(),dw[y][i])-up[x].begin();
            ans=max(ans,(i+1)+len);
        }
    }
    else{
        for (int i=0;i<szx;++i){
            len=lower_bound(dw[y].begin(),dw[y].end(),up[x][i],cmp)-dw[y].begin();
            ans=max(ans,(i+1)+len);
        }
    }
}
void get_ans(int x,int u){
    int len1,len2;
    choose(x,u,x);
    choose(u,x,x);

    nchoose(x,u,x);
    nchoose(u,x,x);
}
void insert(int x){
    int pos,sz=up[x].size();
    it=upper_bound(up[x].begin(),up[x].end(),val[x]);
    pos=it-up[x].begin();
    if (it==up[x].end()){
        if (!sz||up[x][sz-1]<val[x])
            up[x].push_back(val[x]);
    }
    else if (pos==0||up[x][pos-1]<val[x])
        up[x][pos]=val[x];

    sz=dw[x].size();
    it=upper_bound(dw[x].begin(),dw[x].end(),val[x],cmp);
    pos=it-dw[x].begin();
    if (it==dw[x].end()){
        if (!sz||dw[x][sz-1]>val[x])
            dw[x].push_back(val[x]);
    }
    else if (pos==0||dw[x][pos-1]>val[x])
        dw[x][pos]=val[x];
}
void dfs(int fa,int x){
    int u;
    for (int i=h[x];i!=-1;i=a[i].nxt){
        u=a[i].y;
        if (u==fa) continue;
        dfs(x,u);
        get_ans(x,u);
        merge(x,u);
    }
    insert(x);
    int debug=1;
}

int main(){
#ifndef ONLINE_JUDGE
    freopen("a.in","r",stdin);
#endif
    int x,y;
    scanf("%d",&n);
    memset(h,-1,sizeof(h));
    tot=0;
    for (int i=1;i<=n;++i) scanf("%d",val+i);
    for (int i=1;i<n;++i){
        scanf("%d%d",&x,&y);
        add(x,y); add(y,x);
    }
    ans=0;
    dfs(0,1);
    printf("%d\n",ans);
}

转载于:https://www.cnblogs.com/yoyoball/p/9720896.html

源码直接下载地址: https://pan.quark.cn/s/95437fdf229e Intel I-219V网卡驱动是一款专门为Intel的I-219V千兆以太网控制器而研发的驱动程序,其主要作用在于保障在Ubuntu 16.04操作系统环境下的正常运作以及优化系统性能。Intel I-219V作为一款广泛应用的内置网络接口控制器(NIC),常被集成在台式机及笔记本电脑的主板上,负责提供高速的网络连接服务。Intel公司所提供的e1000e驱动是与此硬件相配套的开源驱动解决方案,其中版本3.3.5.3是专门针对该硬件设备的定制版本。此驱动包含了不可或缺的源代码部分,赋予开发者和系统管理者按照特定需求进行编译和定制的权限,从而能够适应多样化的系统配置或针对特定情形进行问题解决。源代码的可用性同样表明用户有能力依据Linux内核的更新情况来升级驱动,确保与最新技术标准的兼容性。在Ubuntu 16.04系统中成功编译的驱动意味着它已经通过了严苛的测试流程,并能够与该版本的Linux内核实现良好兼容。Ubuntu 16.04,其代号为Xenial Xerus,是一个长期支持(LTS)的版本,因此对于那些追求系统稳定性和安全保障的用户群体而言具有特殊的意义。驱动程序的兼容性保障了I-219V网卡能够在该系统平台上实现无缝运行,提供稳定可靠的网络连接,这既包括局域网(LAN)的连接,也可能涵盖通过Wi-Fi桥接实现的无线网络连接。驱动程序的核心职责涵盖了网络接口的初始化与管理、数据包的接收与发送处理,以及错误检测与纠正功能的执行。在Linux操作系统架构中,驱动通常以模块的形式加载至内核之中,这种设计允许在非必要时期进行卸载操作,以此来有效节省系统资源。e1000e驱...
内容概要:本文围绕基于共识的捆绑算法(CBBA)在多智能体系统中的多任务分配问题展开研究,重点应用于远程太空船交会与维修的相对轨道操作(RPO)规划。通过Matlab代码实现了CBBA算法,系统地解决了多个航天器在复杂空间环境下协同执行多目标任务时的任务分配、路径规划与动态协商问题。研究详细展示了算法在任务分解、竞标机制、共识达成及冲突消解等方面的核心逻辑,验证了其在分布式决策、通信受限条件下的高效性与鲁棒性,并结合航天工程实际背景突出了算法的应用价值。该资源不仅提供完整的仿真代码,还包含详细的流程解析,有助于深入理解多智能体协同机制的设计原理。; 适合人群:具备控制理论、航天器动力学、多智能体系统或分布式优化背景的研究生、科研人员及航空航天领域工程技术人员,熟练掌握Matlab编程者尤佳。; 使用场景及目标:①应用于在轨服务、空间碎片清除、多航天器编队飞行、星座维护等多智能体协同任务的任务分配与规划;②为研究人员提供CBBA算法的实现范例,支撑其开展分布式任务规划算法的改进与扩展研究;③作为教学案例用于高级课程中讲解多智能体协同决策机制。; 阅读建议:建议结合Matlab代码逐模块分析算法实现过程,重点关注任务打包、竞标更新、共识收敛等关键环节,可尝试引入通信延迟、故障容错或障碍规避机制以进一步提升算法实用性。
内容概要:本文介绍了一种基于关键场景辨别算法的两阶段鲁棒微网优化调度方法,旨在有效应对风电等可再生能源出力不确定性带来的调度挑战。通过Matlab代码实现,构建了包含预调度与实时调整的两阶段鲁棒优化模型,第一阶段制定初始调度计划以应对不确定性,第二阶段根据实际运行数据进行修正,从而提升微网运行的经济性与可靠性。该方法结合场景生成与缩减技术,识别关键不确定性场景,降低计算复杂度,同时增强了调度方案的鲁棒性。文中还探讨了该方法与智能优化算法、机器学习及电力系统仿真工具的集成应用,展现了其在复杂综合能源系统中的广阔应用前景。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事新能源、微网优化、不确定性建模与鲁棒调度等领域研究的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于高比例可再生能源接入的微电网优化调度,提高系统对源荷不确定性的适应能力与运行稳定性;②为科研人员提供可复现的两阶段鲁棒优化建模与求解范例,支撑高水平学术论文的复现、算法改进与创新研究。; 阅读建议:建议结合提供的Matlab代码与网盘资料,动手实践关键场景生成、不确定性建模、两阶段优化建模与求解全过程,重点关注鲁棒优化框架的设计逻辑与关键场景辨别的实现机制,同时参考文中提及的多种算法与工具,拓展研究思路与应用场景。
内容概要:本文系统阐述了基于二阶锥松弛(SOCPR)与线性离散最优潮流(OPF)模型的配电网规划(DNP)方法,并配套提供了完整的Matlab代码实现。研究聚焦于配电网中的复杂优化问题,通过构建精确的数学模型来描述功率流动、网络拓扑约束及多目标规划需求,旨在提升配电系统的运行效率、可靠性和对不确定性的适应能力。文中深入探讨了模型的构建逻辑,包括对非线性潮流方程的凸化处理与离散化求解策略,并结合智能优化算法有效应对新能源出力(如风电、光伏)与负荷需求的双重不确定性,为解决现代配电网扩容、重构及分布式电源接入等关键问题提供了理论依据和技术路径。此外,文档还关联了丰富的科研方向与技术支持内容,覆盖电力系统优化、微电网调度、不确定性建模与鲁棒优化等领域,凸显其在学术研究与工程实践中的双重价值。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力的研究生、高校科研人员,以及从事电网规划、智能电网技术研发的工程师。; 使用场景及目标:①作为教学与科研工具,帮助理解配电网规划的核心原理、SOCPR与OPF模型的数学内涵及其实现细节;②为解决新能源大规模接入背景下配电网面临的不确定性、安全性与经济性协调优化问题提供可复现的算法参考;③作为开发更高级别的综合能源系统规划与鲁棒调度模型的技术基础与验证平台。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点剖析SOCPR松弛技巧与线性离散OPF模型的构建过程,通过调试与仿真加深对算法逻辑的理解。同时,可参考文档中提及的相关研究方向(如不确定性建模、鲁棒优化),拓展学习先进的优化技术与仿真方法,以全面提升解决复杂电力系统规划问题的综合能力。
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