首页 > 其他分享 >逛森林

逛森林

时间:2023-12-14 15:56:07浏览次数:26  
标签:绿边 边权 logn nlogn 节点 森林 out

这是一道模板题

首先,对任意时刻,\(u\)->\(v\)这条路径上的点都是不会变动的(就是说,比如,如果某时刻从\(1\)到\(4\)的路径为\(1\)->\(3\)->\(4\),那么对之后的任意时刻,这条路径都是这个,既不会改变顺序,也不会新增节点,更不会删除已有节点),所以我们可以把所有有效的操作一存起来最后再建边

那么这里利用倍增优化建边

倍增的分治结构是什么?

这个分治的状态是不是就出来了?注意绿边的边权为0

比如说我现在有一个传送门,是从\(x_0\)->\(x_1\)这条链到\(x_2\)->\(x_4\)这条链,那么我就会从\(f[x_0][0]\)的out点连一条边权为\(w\)的出边到虚拟节点\(T\),再从\(T\)连一条边权为0的入边到\(f[x_2][1]\)的in点,由于绿边的边权为0,显然就等价于从\(x_0\)->\(x_1\)这条链上的每一个点都连了一条边权为\(w\)的出边到\(x_2\)->\(x_4\)这条链上的每一个点

那么这个的复杂度是多少?首先考虑树上的边,总共是\(o(m)\)条,然后考虑绿边,因为每个树上的点顶多向上跳\(logn\)次,所以in点和out点的个数就是\(O(nlogn)\),由前文描述可得每个in点和out点至多会连三条有向边,所以绿边的个数就是\(O(nlogn)\),然后在考虑虚拟节点的边,对每一次操作,我们最多跳\(logn\)步,每跳一步就会连边,所以一共是\(O(mlogn)\)的条边,最后跑dij,总共的时间复杂度为\(O((nlogn+mlogn)logn)\)

考虑优化,利用st表的思想,对一条长度为\(2^k+p\)的链,我们将其分成两步,前\(2^k\)和后\(2^k\)个节点的in点和out点分别按照上述方法连边,尽管有重复连边,但是不影响答案,时间复杂度被优化到了\(O((nlogn+m)logn)\)

什么时候空了写一下代码,把注意的事项都标注上去

其他的优化建边

标签:绿边,边权,logn,nlogn,节点,森林,out
From: https://www.cnblogs.com/dingxingdi/p/17901344.html

相关文章

  • 随机森林代码实现(奥拓数据分类)
    importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltdata=pd.read_csv("./data/train.csv")data.head()importseabornassnssns.countplot(data.target)plt.show()#采用随机欠采样之前需要确定数据的特征值和标签值y=data["target"]x=data......
  • 树与森林
     ......
  • 随机森林
    fromsklearn.ensembleimportRandomForestClassifiermodel=RandomForestClassifier(n_estimators=22,max_depth=7,min_samples_split=33,min_samples_leaf=18)model.fit(x_train,y_train)p=model.predict_proba(x_test)m=pd.DataFrame(p)n=m.iloc[:,1:]fromsklearn.......
  • 无人机高空巡查+智能视频监控技术,打造森林防火智慧方案
    随着冬季的到来,森林防火的警钟再次敲响,由于森林面积广袤,地形复杂,且人员稀少,一旦发生火灾,人员无法及时发现,稍有疏忽就会酿成不可挽救的大祸。无人机高空巡查+智能视频监控是一种非常有效的森林防火智慧方案。通过结合无人机技术和智能视频监控系统,可以实现对森林进行全面、及时的监......
  • 通过随机森林进行窃漏电分析
    数合建模(官方网址)是可视化数据分析平台,既支各类政企人员自主可视化需求,也支持个人用户数据处理加工需求,如数据建模、创建和使用报表、大屏,进行可视化数据分析,构建可视化数据应用等,扩展功能还支持各种来源数据的接入汇聚、标准化、数据服务、服务管理等数据中台的功能1、导入或接入......
  • 随机森林的nodesize值
    首先,什么是nodesize值,以及它的含义和作用。nodesize值是指定每个叶子节点最少包含的样本数量的整数值,它是随机森林算法的一个重要的参数,它影响了随机森林的复杂度和泛化能力。nodesize值的含义和作用是控制决策树的生长和剪枝,以及随机森林的随机性和准确性。当nodesize值较小......
  • 数据分享|python分类预测职员离职:逻辑回归、梯度提升、随机森林、XGB、CatBoost、LGB
    全文链接:https://tecdat.cn/?p=34434原文出处:拓端数据部落公众号分析师:ShilinChen离职率是企业保留人才能力的体现。分析预测职员是否有离职趋向有利于企业的人才管理,提升组织职员的心理健康,从而更有利于企业未来的发展。解决方案任务/目标采用分类这一方法构建6种模型对职......
  • R语言集成模型:提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序
    原文链接:http://tecdat.cn/?p=24148原文出处:拓端数据部落公众号 最近我们被要求撰写关于集成模型的研究报告,包括一些图形和统计输出。特别是在经济学/计量经济学中,建模者不相信他们的模型能反映现实。比如:收益率曲线并不遵循三因素的Nelson-Siegel模型,股票与其相关因素之间的......
  • R数据分析:集成学习方法之随机生存森林的原理和做法,实例解析
    很久很久以前给大家写过决策树,非常简单明了的算法。今天给大家写随机(生存)森林,随机森林是集成了很多个决策数的集成模型。像随机森林这样将很多个基本学习器集合起来形成一个更加强大的学习器的这么一种集成思想还是非常好的。所以今天来写写这类算法。 集成学习方法Ensembl......
  • 羚通视频智能分析平台烟雾火焰识别算法 安防视频监控森林防火烟雾火焰算法识别
    随着科技的飞速发展,人工智能技术已经深入到各个领域,其中安防视频监控是其重要的应用场景之一。在众多安防视频监控应用中,森林防火烟雾火焰识别尤为重要,因为森林火灾的发生往往会带来巨大的生态破坏和人员伤亡。为了更有效地预防和控制森林火灾,羚通视频智能分析平台推出了一款具有......