当前位置: 首页 > news >正文

「4.4」祖孙询问

 

「4.4」祖孙询问

题目描述

已知一棵 n 个节点的有根树。有 m 个询问,每个询问给出了一对节点的编号 x 和 y,询问 x 与 y 的祖孙关系。

输入格式

输入第一行包括一个整数 n 表示节点个数;
接下来 n 行每行一对整数对 a 和 b 表示 a 和 b 之间有连边。如果 b 是 -1,那么 a 就是树的根;
第 n+2 行是一个整数 m 表示询问个数;
接下来 m 行,每行两个正整数 x 和 y,表示一个询问。

输出格式

对于每一个询问,若 x 是 y 的祖先则输出 1,若 y 是 x 的祖先则输出 2,否则输出 0。

样例输入1

10
234 -1
12 234
13 234
14 234
15 234
16 234
17 234
18 234
19 234
233 19
5
234 233
233 12
233 13
233 15
233 19

样例输出1

1
0
0
0
2

注释说明

对于 30% 的数据,1≤n,m≤10^3;
对于 100% 的数据,1≤n,m≤4×10^4,每个节点的编号都不超过 4×10^4。

#include<bits/stdc++.h>
using namespace std;
const int N=4e5+5;
int n,pre[N],f[N][17],dep[N],k,lg[N];
struct node{int to,next;
}e[N*2];
void add(int u,int v){e[++k]=(node){v,pre[u]};pre[u]=k;
}
void dfs(int x,int fa){f[x][0]=fa;dep[x]=dep[fa]+1;for(int i=pre[x];i!=0;i=e[i].next){int to=e[i].to;if(to==fa)continue;dfs(to,x);}
}
int lca(int x,int y){if(dep[x]<dep[y])swap(x,y);while(dep[x]>dep[y])x=f[x][lg[dep[x]-dep[y]]];if(x==y)return x;for(int i=16;i>=0;i--){if(f[x][i]!=f[y][i]){//printf("(%d,%d)",f[x][i],f[y][i]);x=f[x][i];y=f[y][i];}}return f[x][0];
}
int main(){scanf("%d",&n);int rt,x,y;for(int i=1;i<=n;i++){scanf("%d%d",&x,&y);if(y==-1){rt=x;continue;}add(x,y);add(y,x);}dfs(rt,0);for(int i=2;i<=N;i++)lg[i]=lg[i/2]+1;for(int j=1;j<=16;j++){for(int i=1;i<=N;i++){f[i][j]=f[f[i][j-1]][j-1];}}int m;scanf("%d",&m);while(m--){scanf("%d%d",&x,&y);int lc=lca(x,y);//printf("%d\n",lc);if(lc==x)puts("1");else if(lc==y)puts("2");else puts("0");}
}
/*
10
234 -1
12 234
13 234
14 234
15 234
16 234
17 234
18 234
19 234
233 19
5
234 234
234 17
233 13
233 15
233 19
*/

相关文章:

「4.4」祖孙询问

「4.4」祖孙询问 题目描述 已知一棵 n 个节点的有根树。有 m 个询问&#xff0c;每个询问给出了一对节点的编号 x 和 y&#xff0c;询问 x 与 y 的祖孙关系。 输入格式 输入第一行包括一个整数 n 表示节点个数&#xff1b; 接下来 n 行每行一对整数对 a 和 b 表示 a 和 b 之…...

Datawhale 组队学习 文生图 Prompt攻防 task03随笔

这期我们从不同角度切入探讨赛题的进阶思路 思路1&#xff1a;对比不同大模型 首先我们可以选择尝试不同的大模型&#xff0c;使用更复杂的大模型可以提高文本改写的质量和效果。随着模型大小的增加&#xff0c;其表示能力也随之增强&#xff0c;能够捕捉更细微的语言特征和语…...

游戏投屏软件有哪些?分享这10款比较好用的!

说到投屏&#xff0c;这个事情我还是比较有发言权的&#xff01; 一般手机下载个APP&#xff0c;然后就可以通过WiFi、蓝牙或者USB进行连接投屏啦&#xff0c;下面是国内比较主流的一些游戏投屏软件&#xff0c;可以根据他们的优缺点进行选择哦&#xff01; 01.幕连 国内首款…...

[Unity Demo]从零开始制作空洞骑士Hollow Knight第十六集(下篇):制作小BOSS龙牙哥

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、制作小BOSS龙牙哥 1.导入素材制作动画2.制作两种攻击行为3.制作从惊醒到转身到走路or跑步行为总结 前言 hello大家好久没见&#xff0c;之所以隔了一天时间…...

顺序表算法题【不一样的解法!】

本章概述 算法题1算法题2算法题3彩蛋时刻&#xff01;&#xff01;&#xff01; 算法题1 力扣&#xff1a;移除元素 我们先来看这个题目的要求描述&#xff1a; 把与val相同数值的元素移除掉&#xff0c;忽略元素的相对位置变化&#xff0c;然后返回剩下与val值不同的元素个数…...

VuePress的基本常识

今天大概了解了一下Vuepress&#xff0c;感觉很棒&#xff0c;看着极其简单&#xff0c;自己也想做一个&#xff0c;后续我大概率也会做一个用Vuepress为基础做的博客网站&#xff0c;很酷~ 哈哈哈&#xff0c;下面是我今天学习Vuepress的一些内容&#xff0c;简单分享下&#…...

深入解析Vue2与Vue3的区别与Vue3的提升

Vue.js作为一款流行的前端框架&#xff0c;自发布以来&#xff0c;凭借其简洁的语法、灵活的组件化和高效的性能&#xff0c;赢得了众多开发者的喜爱。随着Vue3的发布&#xff0c;许多新特性和新功能也应运而生。那么&#xff0c;Vue2与Vue3究竟有哪些区别呢&#xff1f;Vue3又…...

认识python数据分析

Python作为一种高效、灵活且易于学习的编程语言&#xff0c;在数据分析领域展现出了强大的应用潜力。 从数据清洗、预处理到复杂的统计分析、可视化及机器学习模型的构建&#xff0c;Python提供了丰富的库和框架&#xff0c;极大地简化了数据分析的流程&#xff0c;提高了工作…...

以太网交换安全:MAC地址漂移与检测(实验:二层环路+网络攻击)

一、什么是MAC地址漂移&#xff1f; MAC地址漂移是指网络中设备的MAC地址在运行过程中发生变化的现象。 MAC地址是用于唯一标识网络中的设备。 MAC地址漂移是指交换机上一个VLAN内有两个端口学习到同一个MAC地址&#xff0c;后学习到的MAC地址表项覆盖原MAC地址表项的现象。…...

NeRF三维重建—神经辐射场Neural Radiance Field(二)体渲染相关

NeRF三维重建—神经辐射场Neural Radiance Field&#xff08;二&#xff09;体渲染相关 粒子采集部分 粒子采集的部分我们可以理解为&#xff0c;在已知粒子的情况下&#xff0c;对图片进行渲染的一个正向的过程。 空间坐标(x,y,z&#xff09;发射的光线通过相机模型成为图片上…...

软件测试工程师:如何写出好的测试用例?

软件测试用例(Test Case)是软件测试过程中的一种详细文档或描述&#xff0c;用于描述在特定条件下&#xff0c;对软件系统或组件进行测试的步骤、输入数据、预期输出和预期行为。编写高质量的测试用例是确保软件质量的关键步骤之一。以下是一些编写优秀测试用例的建议&#xff…...

「图::连通」详解并查集并实现对应的功能 / 手撕数据结构(C++)

目录 概述 成员变量 创建销毁 根节点访问 路径压缩 启发式合并 复杂度 Code 概述 并查集&#xff0c;故名思议&#xff0c;能合并、能查询的集合,在图的连通性问题和许多算法优化上着广泛的使用。 这是一个什么数据结构呢&#xff1f; 一般来讲&#xff0c;并查集是…...

基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真

目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 5.算法完整程序工程 1.算法运行效果图预览 (完整程序运行后无水印) PSO优化过程&#xff1a; PSO优化前后&#xff0c;模型训练对比&#xff1a; 数据预测对比&#xff1a; 误差回归对比&a…...

PyTorch 的 DataLoader 类介绍

DataLoader 类 功能与作用 PyTorch 是一个流行的开源机器学习库&#xff0c;它提供了一个名为 DataLoader 的类&#xff0c;用于加载数据集并将其封装成一个可迭代的对象。DataLoader 可以自动地将数据集划分为多个批次&#xff0c;并在训练过程中迭代地返回这些批次。是用于加…...

【设计模式系列】命令模式

目录 一、什么是命令模式 二、命令模式的角色 三、命令模式的典型应用场景 四、命令模式在Runnable中的应用 一、什么是命令模式 命令模式&#xff08;Command Pattern&#xff09;是一种行为设计模式&#xff0c;它将一个请求或简单操作封装为一个对象。这个模式提供了一种…...

uniapp中使用lottie实现JSON动画

uniapp中使用lottie实现JSON动画 不喜欢废话直接开干一、引入相关依赖二、在项目的目录新建目录结构三、操作步骤四、编写自定义组件代码五、组件的使用提一嘴更多lottie-web常用方法添加点击事件 不喜欢废话直接开干 一、引入相关依赖 npm install lottie-web # 如果有问题可…...

AcWing275

题目重述 这道题的核心是利用方格取数模型的思想&#xff0c;将两条路径的传递过程映射为同时出发的两条路径&#xff0c;避免重复格子的经过。题解通过以下步骤解题&#xff1a; 路径映射&#xff1a;从 (n, m) 回到 (1, 1) 的路径&#xff0c;可以转换成 (1, 1) 到 (n, m) …...

Windows系统部署redis自启动服务【亲测可用】

文章目录 引言I redis以本地服务运行(Windows service)使用MSI安装包配置文件,配置端口和密码II redis服务以终端命令启动缺点运行redis-server并指定端口和密码III 知识扩展确认redis-server可用性Installing the Service引言 服务器是Windows系统,所以使用Windows不是re…...

深入了解机器学习 (Descending into ML):线性回归

人们早就知晓&#xff0c;相比凉爽的天气&#xff0c;蟋蟀在较为炎热的天气里鸣叫更为频繁。数十年来&#xff0c;专业和业余昆虫学者已将每分钟的鸣叫声和温度方面的数据编入目录。Ruth 阿姨将她喜爱的蟋蟀数据库作为生日礼物送给您&#xff0c;并邀请您自己利用该数据库训练一…...

每日OJ题_牛客_集合_排序_C++_Java

目录 牛客_集合_排序 题目解析 C代码 Java代码 牛客_集合_排序 集合_牛客题霸_牛客网 (nowcoder.com) 题目解析 笔试题可直接用set排序&#xff0c;面试可询问是否要手写排序函数&#xff0c;如果要手写排序&#xff0c;推荐写快排。 C代码 #include <iostream> …...

STM32启动流程解析与嵌入式开发实践

1. STM32启动流程深度解析作为一名嵌入式开发者&#xff0c;我经常需要深入理解MCU的启动机制。今天我想分享STM32启动流程的详细分析&#xff0c;这是每个嵌入式工程师都应该掌握的核心知识。STM32的启动过程看似简单&#xff0c;实则包含了许多精妙的设计。理解这个过程不仅能…...

IceC:面向嵌入式平台的轻量级ICE兼容中间件

1. IceC&#xff1a;面向资源受限嵌入式平台的轻量级ZeroC ICE兼容中间件 1.1 设计定位与工程必要性 IceC并非ZeroC ICE的全功能移植&#xff0c;而是在AVR&#xff08;如ATmega328P&#xff09;和ESP8266等典型资源受限平台约束下&#xff0c;对ICE通信模型进行深度裁剪与重构…...

linux学习进展 基础命令 vi基础命令

Linux系统的核心操作依赖命令行&#xff0c;掌握基础命令是入门Linux的关键&#xff0c;而vi编辑器作为Linux自带的文本编辑工具&#xff0c;日常使用频率极高。本次笔记主要记录Linux常用基础命令及vi编辑器的核心操作&#xff0c;方便后续复习巩固&#xff0c;兼顾实用性和易…...

告别假阳性!用TAGS多模态提示策略,精准提升你的医学影像分割模型性能

告别假阳性&#xff01;用TAGS多模态提示策略&#xff0c;精准提升你的医学影像分割模型性能 医学影像分割一直是计算机辅助诊断中的核心挑战&#xff0c;尤其是肿瘤这类边界模糊、形态多变的病灶。传统方法依赖大量标注数据和复杂的后处理&#xff0c;而基础模型直接迁移又面临…...

einops.reduce隐藏技巧:3行代码实现CNN池化层效果(对比MaxPool2d性能)

einops.reduce隐藏技巧&#xff1a;3行代码实现CNN池化层效果&#xff08;对比MaxPool2d性能&#xff09; 在计算机视觉模型的优化过程中&#xff0c;池化层一直扮演着至关重要的角色。传统的MaxPool2d虽然高效&#xff0c;但在某些场景下显得过于刚性。最近在重构一个轻量级图…...

如何使用WiFiManager打造智能零售网络:从自助结账到智能货架的无缝配置方案

如何使用WiFiManager打造智能零售网络&#xff1a;从自助结账到智能货架的无缝配置方案 【免费下载链接】WiFiManager ESP8266 WiFi Connection manager with web captive portal 项目地址: https://gitcode.com/gh_mirrors/wi/WiFiManager 在现代零售环境中&#xff0c…...

免费方法和付费工具处理顽固AI率,差距有多大

顽固AI率&#xff0c;有没有必要付费&#xff1f; 这个问题的答案&#xff0c;取决于你有多少时间&#xff0c;以及你能接受多少不确定性。这篇文章用数据说话。 免费方法&#xff1a;自己改写 方法&#xff1a;自己逐段阅读&#xff0c;换词改句&#xff0c;加口语化表达 …...

multiagent-particle-envs与PettingZoo对比:迁移指南与最佳实践

multiagent-particle-envs与PettingZoo对比&#xff1a;迁移指南与最佳实践 【免费下载链接】multiagent-particle-envs Code for a multi-agent particle environment used in the paper "Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments"…...

Python MCP服务快速接入实战:5个必踩坑点+4行核心代码,今天就能跑通生产环境

第一章&#xff1a;Python MCP服务快速接入实战概览Python MCP&#xff08;Model Control Protocol&#xff09;服务为模型调用、生命周期管理与可观测性提供了标准化接口。本章聚焦于在本地开发环境中快速完成 Python 客户端接入&#xff0c;无需修改业务模型代码即可实现服务…...

Python实战:海康工业相机主动取流(getoneframetimeout)图像数据解析与OpenCV实时显示优化

1. 海康工业相机主动取流技术解析 第一次接触海康工业相机的主动取流功能时&#xff0c;我踩了不少坑。当时项目需要实时监控生产线上的产品缺陷&#xff0c;要求每秒处理25帧以上的图像数据。经过反复测试发现&#xff0c;主动取流方式&#xff08;getoneframetimeout&#xf…...