博客
关于我
ACM-ICPC寒假算法训练2:高级数据结构1:并查集2(带权并查集)
阅读量:321 次
发布时间:2019-03-04

本文共 417 字,大约阅读时间需要 1 分钟。

今天练习带权并查集,涉及两个题目,分别处理不同状态的合并关系。题一处理二状态关系,题二处理三状态关系,理解状态关系并正确更新权值是关键。

题一分析:

  • a和b在同一棵树上时,根据dis值判断帮派。
  • 使用find和merge函数进行查找和合并,更新dis值。
  • AC代码通过find和merge函数处理查询,返回相应状态。

题二分析:

  • 处理三种状态关系:0(同类)、1(x吃y)、2(x被y吃)。
  • 初始化时每个节点自己与自己同类。
  • find函数更新dis值,模3运算。
  • merge函数根据cmd更新dis值,合并时根据cmd判断x和y的关系。
  • AC代码处理多查询,初始化节点,根据cmd判断状态或合并,返回结果。

练习总结:

  • 带权并查集适用于处理多种状态关系,需正确计算权值。
  • 理解状态关系和合并逻辑,确保权值更新正确。
  • 测试不同情况,确保代码正确性和效率。

通过这两个题目,对带权并查集有了更深入的理解,未来遇到类似问题时可以更从容应对。

转载地址:http://gnmq.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>