【学习笔记】树上差分总结(点差分/边差分)

一.树上差分的基本概念

1.树上差分的定义

树上差分,顾名思义,意思就是在树上做差分

至于什么是差分呢?如果不会的同学,可以先看看我的这篇博客:一维,二维差分の详解(简单易懂)_一维差分-CSDN博客

2.树上差分能解决的问题

树上差分有什么作用?举个例子,如果题目要求对树上的一段路径进行操作,并询问某个点或某条边被经过的次数,树上差分就可以派上用场了。

类比于差分数组,树上差分利用的思想也是前缀和思想。(在这里应该是子树和思想

树上差分,就是利用差分的性质,对路径上的重要节点进行修改(而不是暴力全改),作为其差分数组的值,最后在求值时,利用dfs遍历求出差分数组的前缀和得出答案,就可以达到降低复杂度的目的。

树上差分时需要求LCA,不会的同学可以先看看我的这篇博客:详解最近公共祖先(LCA)-CSDN博客

树上差分一般有两种类型的题目,一种是对边进行差分,另一种就是对点进行差分

下面我将会分别讲解一下这两种问题。

二.点差分

1.思路

直接去dfs暴力加点权的话,肯定会TLE,但是我们现在在讲啥?树上差分啊!

假设需要将两点u,v之间路径上的所有点权增加x,l是lca(u,v),p是l的父亲节点,则差分操作如下:

sum[u] += x;
sum[v] += x;
sum[l] -= x;
sum[p] -= x;

举个栗子(其中假设x=1):

其中s和t就是题目中树上点权需要加1的节点的起始点,绿色的数字代表点权(已经加1了) 

则操作后有:

至于为什么要这么操作呢?别急,继续往下看。

做完上述的差分操作后,我们就要统计答案了。

当我们dfs搜索到s,向上回溯。

下面以u表示当前dfs搜索到的节点

对于每个u统计它的子树大小(要用前缀和的思想记录每个点的点权了),顺着路径标起来。

(即sum[u] += sum[son])

我们会发现第一次从s回溯到s与t的LCA时候,sum[LCA(s,t)] += sum[son[LCA(s,t)]]

此时sum[LCA(s,t)]=0(-1+1=0)。这时我们不禁会有一个疑问: "不是LCA(s,t)会被经过一次嘛,为什么是0!"

别急,我们继续搜另一边。.

继续:我们搜索到t,向上回溯。

依旧统计每个u的子树大小sum[u]+=sum[son]

再度回到LCA(s,t),依旧是sum[LCA(s,t)]+=sum[son[LCA(s,t)]]

这个时候 sum[LCA(s,t)]=1 这就达到了我们要的效果 (是不是特别优秀φ(゜▽゜*)♪)

但是我们还要思考一个问题:万一我们再从LCA(s,t)向上回溯的时候使得其父亲节点的子树和为1怎么办?这样我们不就使得其父亲节点被多经过了一次?

其实很简单,我们只需要在前面差分操作时将sum[fa[lca(s,t)]]-=x就行了。

这样就达到了标记我们路径上的点的要求! 是否有一种恍然大悟的感觉呢?

 

 2.例题Max flow

问题

参考代码

#include<bits/stdc++.h>
using namespace std;
int n,q,mx[300001][41],deep[300001],sum[300001],ans;
vector<int> vec[300001];
void dfs(int x,int fa)//lca的初始化
{deep[x] = deep[fa] + 1;mx[x][0] = fa;for(int i = 0;i < vec[x].size();i++)if(vec[x][i] != fa)dfs(vec[x][i],x);
}
int lca(int x,int y)//倍增法求lca
{if(deep[x] < deep[y]) swap(x,y);for(int i = 40;i >= 0;i--)if(deep[mx[x][i]] >= deep[y])x = mx[x][i];if(x == y) return x;for(int i = 40;i >= 0;i--)if(mx[x][i] != mx[y][i]){x = mx[x][i];y = mx[y][i];}return mx[x][0];
}
void dfss(int x,int fa)//统计答案的最大值
{for(int i = 0;i < vec[x].size();i++){int t = vec[x][i];if(t == fa) continue;dfss(t,x);sum[x] += sum[t];//在树上进行类似于前缀和的操作}ans = max(ans,sum[x]);//取最大值
}
signed main()
{cin>>n>>q;for(int i = 1;i < n;i++){int u,v;scanf("%d%d",&u,&v);vec[u].push_back(v);vec[v].push_back(u);}dfs(1,0);for(int j = 1;j <= 40;j++)for(int i = 1;i <= n;i++)mx[i][j] = mx[mx[i][j - 1]][j - 1];while(q--){int u,v;cin>>u>>v;int l = lca(u,v);sum[u]++;//树上差分sum[v]++;sum[l]--;if(l != 1) sum[mx[l][0]]--;//如果l有父节点就进行后面的操作}dfss(1,0);cout<<ans;return 0;
}

三.边差分

1.思路

思想其实和点差分一样的,我来讲一下操作。

将两点s,t之间路径上的所有边权增加xl=LCA(s,t)以每条边两端深度较大的节点存储该边的差分数组,则操作如下:

sum[s] += x;
sum[t] += x;
sum[l] -= 2 * x;

举个栗子(其中假设x=1):

红色边为需要经过的边,绿色的数字代表经过次数

但是由于我们不能储存边权,所以只能把边权塞给了点权,因此我们的图应该是这样的

 

这样的话我们只要把sum[s]++,sum[t]++,sum[lca(s,t)]-=2就可以实现差分操作了。

同样地,只要dfs一遍,遍历时统计以每个节点为根的树的节点的权值和,就是当前节点到父亲节点的边的最终权值了!

 是不是很厉害

至于为什么点差分和边差分的操作不一样,很简单,请读者自己思考。

树上差分主要还是学习思想吧!

2.例题树上必经边--边差分

问题

 参考代码

#include<bits/stdc++.h>
using namespace std;
int n,q,mx[300001][41],deep[300001],sum[300001],ans,k;
vector<int> vec[300001];
void dfs(int x,int fa)
{deep[x] = deep[fa] + 1;mx[x][0] = fa;for(int i = 0;i < vec[x].size();i++)if(vec[x][i] != fa)dfs(vec[x][i],x);
}
int lca(int x,int y)
{if(deep[x] < deep[y]) swap(x,y);for(int i = 40;i >= 0;i--)if(deep[mx[x][i]] >= deep[y])x = mx[x][i];if(x == y) return x;for(int i = 40;i >= 0;i--)if(mx[x][i] != mx[y][i]){x = mx[x][i];y = mx[y][i];}return mx[x][0];
}
void dfss(int x,int fa)
{for(int i = 0;i < vec[x].size();i++){int t = vec[x][i];if(t == fa) continue;dfss(t,x);sum[x] += sum[t];}
}
signed main()
{cin>>n>>q>>k;for(int i = 1;i < n;i++){int u,v;scanf("%d%d",&u,&v);vec[u].push_back(v);vec[v].push_back(u);}dfs(1,0);for(int j = 1;j <= 40;j++)for(int i = 1;i <= n;i++)mx[i][j] = mx[mx[i][j - 1]][j - 1];while(q--){int u,v;cin>>u>>v;int l = lca(u,v);sum[u]++;sum[v]++;sum[l] -= 2;}dfss(1,0);for(int i = 2;i <= n;i++)if(sum[i] == k)ans++;cout<<ans;return 0;
}

四.BB in last 

如果这篇博客对您有帮助的话,别忘了点赞收藏加关注支持一下吖~(小声BB)(o゚v゚)ノ

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/670505.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot中使用Spring自带线程池ThreadPoolTaskExecutor与Java8CompletableFuture实现异步任务示例

场景 关于线程池的使用&#xff1a; Java中ExecutorService线程池的使用(Runnable和Callable多线程实现)&#xff1a; Java中ExecutorService线程池的使用(Runnable和Callable多线程实现)_executorservice executorservice executors.newfix-CSDN博客 Java中创建线程的方式…

React+echarts实现排名+自动滚动+X轴自定义titleTop

1、效果 2、环境准备 1、react18 2、antd 4 3、代码实现 原理&#xff1a;自动滚动通过创建定时器动态更新echar的dataZoom属性startValue、endValue&#xff0c;自定义tooltip通过监听echar的鼠标移入移出事件&#xff0c;判断tooltTip元素的显隐以及位置。 /*** 收集完成…

【Java EE】----Spring框架创建和使用

1.Spring框架创建 创建一个maven项目 添加Spring框架支持 <dependencies> 上下文<dependency><groupId>org.springframework</groupId><artifactId>spring-context</artifactId><version>5.2.3.RELEASE</version></depende…

【网站项目】038汽车养护管理系统

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…

PS之外的平面设计利器:7款高效软件帮你轻松搞定

平面图设计的痕迹体现在日常生活的方方面面&#xff0c;如路边传单、杂志、产品包装袋或手机开屏海报等&#xff0c;平面设计软件层出不穷。Photoshop是大多数平面图设计初学者的入门软件&#xff0c;但随着设计师需求的不断提高&#xff0c;平面图设计软件Photoshop逐渐显示出…

SpringBoot:自动配置报告

自动配置报告demo&#xff1a;点击查看 LearnSpringBoot03AutoConfig 点击查看更多的SpringBoot教程 一、application.properties代码 #开启springboot debug模式 #自动配置报告 #Positive matches: 自动配置类启用了&#xff08;自动配置类匹配上了&#xff09;&#xff0c…

【动态规划】【图论】【C++算法】1928规定时间内到达终点的最小花费

作者推荐 【动态规划】【状态压缩】【2次选择】【广度搜索】1494. 并行课程 II 本文涉及知识点 动态规划汇总 LeetCode1928. 规定时间内到达终点的最小花费 一个国家有 n 个城市&#xff0c;城市编号为 0 到 n - 1 &#xff0c;题目保证 所有城市 都由双向道路 连接在一起…

【python】绘制春节烟花

一、Pygame库春节烟花示例 下面是一个使用Pygame实现的简单春节烟花效果的示例代码。请注意&#xff0c;运行下面的代码之前&#xff0c;请确保计算机上已经安装了Pygame库。 import pygame import random import math from pygame.locals import *# 初始化pygame pygame.ini…

如何让 Pages 文字分为两栏或更多栏?

通常一份文件都是由上往下仅有「一栏」而已&#xff0c;但在某些情况的排版&#xff0c;我们需要两栏甚至三栏的设计&#xff0c;在Pages 要如何做到呢&#xff1f;来看看吧。 将 Pages 文件改为双栏式设计 点一下「格式」>「布局」&#xff0c;就可以看到预设的「直栏」数…

LeetCode-第2469题=温度转换

1.题目描述 给你一个四舍五入到两位小数的非负浮点数 celsius 来表示温度&#xff0c;以 摄氏度&#xff08;Celsius&#xff09;为单位。 你需要将摄氏度转换为 开氏度&#xff08;Kelvin&#xff09;和 华氏度&#xff08;Fahrenheit&#xff09;&#xff0c;并以数组 ans …

【AI数字人-论文】GeneFace++

文章目录 前言pipelinePitch-Aware Audio-to-MotionLandmark LLELLELandmark LLE Instant motion-to-video rendering结果对比 前言 为了提高预测的面部关键点序列的长期时间一致性和自然度&#xff0c;我们提出了一个Pitch-Aware Audio-to-Motion音高感知的音频到动作模块。具…

Spring是怎么解决循环依赖的

首先先解释一下什么叫循环依赖 循环依赖:循环依赖其实就是循环引用,也就是两个或两个以上的bean互相持有对方,最终形成闭环.比如A依赖于B,B依赖于A 循环依赖在spring中是允许存在的,spring框架依据三级缓存已经解决了大部分的循环依赖 一级缓存:单例池,缓存已经经历了完整的…

时序预测 | MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测

时序预测 | MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测 目录 时序预测 | MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.MATLAB实现基于CNN-LST…

vue3 之 商城项目—layout静态模版结构搭建

layout—模块静态模版搭建 一般情况下我们会有nav区域&#xff0c;header区域&#xff0c;二级路由出口区域以及footer区域&#xff0c;如图 我们在开发的时候先把大模块搭建起来&#xff0c;再一步一步填充小模块 在layout下建文件&#xff0c;目录如下 在index.vue中把上…

基于springboot+vue+mysql员工宿舍管理系统

技术栈 jdk8springboot vueelement-plusMySQL 包含功能点 管理员端 登录员工管理宿舍管理留言板管理物品报修管理公告管理 员工端 登录首页个人中心物品报修留言板 功能截图(部分) 管理员 管理员登录 员工管理 宿舍管理 物品报修管理 公告管理 留言管理 员工 员工登录…

数据库管理-第145期 最强Oracle监控EMCC深入使用-02(20240205)

数据库管理145期 2024-02-05 数据库管理-第145期 最强Oracle监控EMCC深入使用-02&#xff08;20240205&#xff09;1 监控方式2 度量配置3 阻塞4 DG监控总结 数据库管理-第145期 最强Oracle监控EMCC深入使用-02&#xff08;20240205&#xff09; 作者&#xff1a;胖头鱼的鱼缸&…

LeetCode、216. 组合总和 III【中等,组合型枚举】

文章目录 前言LeetCode、216. 组合总和 III【中等&#xff0c;组合型枚举】题目类型与分类思路 资料获取 前言 博主介绍&#xff1a;✌目前全网粉丝2W&#xff0c;csdn博客专家、Java领域优质创作者&#xff0c;博客之星、阿里云平台优质作者、专注于Java后端技术领域。 涵盖…

769933-15-5,Biotin aniline,用来标记和检测细胞膜上的特定蛋白质

您好&#xff0c;欢迎来到新研之家 文章关键词&#xff1a;769933-15-5&#xff0c;Biotin aniline&#xff0c;生物素苯胺 一、基本信息 产品简介&#xff1a;Biotin aniline, also known as Biotin aniline, is a molecular probe with strong reactivity. Its uniqueness…

Java设计模式-责任链模式

责任链模式 一、概述二、结构三、案例实现四、优缺点五、源码解析 一、概述 在现实生活中&#xff0c;常常会出现这样的事例&#xff1a;一个请求有多个对象可以处理&#xff0c;但每个对象的处理条件或权限不同。例如&#xff0c;公司员工请假&#xff0c;可批假的领导有部门…

TreeSet 集合

TreeSet 集合 1. 概述2. 方法3. 遍历方式4. 两种排序方式4.1 默认排序规则/自然排序4.1.1 概述4.1.2 compareTo()方法4.1.3 代码示例14.1.4 代码示例2 4.2 比较器排序4.2.1 概述4.2.2 compare()方法4.2.3 代码示例14.2.4 代码示例2 4.3 排序方式的对比 5. 注意事项 文章中的部分…