摘要: 1. 二叉搜索树 二叉搜索树,是一种能实现动态查询第k大或查询,某数在序列中的排名的树形结构,在数据较为随机的情况下,它的期望复杂度为O(logn),但是若是数据为一个有序序列,那么该二叉搜索树,将会变成一条链,此时每次查找的复杂度将会变成复杂度为O(n) 2. SBT 针对上述问题,为了能使复杂度 阅读全文
posted @ 2018-11-20 21:54 cold_cold 阅读(614) 评论(0) 推荐(0)
摘要: 首先,在学树链剖分之前最好先把 LCA、树形DP、DFS序 这三个知识点学了还有必备的 链式前向星、线段树 也要先学了。如果这些个知识点没掌握好的话,树链剖分难以理解也是当然的 树链剖分 就是对一棵树分成几条链,把树形变为线性,减少处理难度需要处理的问题: 将树从x到y结点最短路径上所有节点的值都加 阅读全文
posted @ 2018-11-20 21:32 cold_cold 阅读(186) 评论(0) 推荐(0)
摘要: 并查集,在一些有N个元素的集合应用问题中,我们通常是在开始时让每个元素构成一个单元素的集合,然后按一定顺序将属于同一组的元素所在的集合合并,其间要反复查找一个元素在哪个集合中。它是一种树型的数据结构,用于处理一些不相交集合(Disjoint Sets)的合并及查询问题。常常在使用中以森林来表示。 并 阅读全文
posted @ 2018-11-20 21:18 cold_cold 阅读(164) 评论(0) 推荐(0)
摘要: 树状数组或者二叉索引树也称作Binary Indexed Tree,又叫做Fenwick树;它的查询和修改的时间复杂度都是log(n),空间复杂度则为O(n),这是因为树状数组通过将线性结构转化成树状结构,从而进行跳跃式扫描。通常使用在高效的计算数列的前缀和,区间和。 为什么要用树状数组 线段树比树 阅读全文
posted @ 2018-11-20 21:08 cold_cold 阅读(411) 评论(0) 推荐(0)
摘要: 线段树是一种二叉搜索树,与区间树相似,它将一个区间划分成一些单元区间,每个单元区间对应线段树中的一个叶结点。 对于线段树中的每一个非叶子节点[o],若其表示的区间为[l,r],它的左儿子表示的区间为[l,mid],右儿子表示的区间为[mid+1,r]。因此线段树是平衡二叉树,最后的子节点数目为n,即 阅读全文
posted @ 2018-11-20 20:50 cold_cold 阅读(151) 评论(0) 推荐(0)
摘要: LIS指一个序列中最长的单调递增(严格)的子序列。有一种较为朴素的O(n^2)的做法,我们不多做赘述,我们讲一种用单带栈和二分来实现的O(logn)的算法 我们从1-n枚举,若该数比栈顶元素大,那么我们就将该数压入栈中。否则我们就在整个栈中二分到一个第一个大于等于它的数,将其用a[i]替换。 考虑为 阅读全文
posted @ 2018-11-20 20:41 cold_cold 阅读(233) 评论(0) 推荐(0)
摘要: 1. 01背包:有 N 件物品和一个容量为 V 的背包。第 i 件物品的费用是 c[i],价值是 w[i]。求解将哪些物品装入背包可使价值总和最大。 对于这类问题我们我们定义f[i][j]表示在前i个物品中选总容量为j所能得到的最大价值为多少于是我们状态转移便是这样 f[i][j]=max(f[i] 阅读全文
posted @ 2018-11-20 20:23 cold_cold 阅读(318) 评论(0) 推荐(0)
摘要: 快速读入能使我们的程序常数减小,这里介绍一种较为快速的方法。 我们用这个gc来代替我们快读的getchar,速度大概是getchar的7倍。此处stdin,和in是文件指针,当我们使用freopen时我们使用第一行,当我们使用fopen的时候我们需要文件重定向再使用第二行的gc即可。加上快读速度极快 阅读全文
posted @ 2018-11-20 19:41 cold_cold 阅读(221) 评论(0) 推荐(0)
摘要: 单精加过程: 高精加过程: 高精减过程: 单精乘过程: 高精乘过程: 单精除过程: 输出: 总代码如下: 阅读全文
posted @ 2018-11-20 19:35 cold_cold 阅读(501) 评论(0) 推荐(0)
摘要: 联赛已经结束,此次联赛成绩289分,是否能得到一等奖,还是一个谜。无论我是否能得到一等奖,成绩都已经已经尘埃落定。此次考试我发挥的很不好,但这次发挥的不好,但是这次发挥的不好既是意料之中又是意料之外的事, 1. 在一个月的娄底集训中的模拟考试我的成绩一直上下起伏不定。所以联赛失手也是可以预料到的 2 阅读全文
posted @ 2018-11-20 19:05 cold_cold 阅读(139) 评论(1) 推荐(0)