poj3468 线段树区间更新,区间求和

POJ 3468 题解
本文提供了一种使用线段树解决 POJ 3468 问题的方法,通过构建线段树实现区间更新和查询操作,适用于处理大量区间修改和查询请求的场景。

题目链接:http://poj.org/problem?id=3468



#include <iostream>
#include<cstdio>
#define   LL long long int
#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1
using namespace std;
const int maxn=2e5;
LL sum[maxn<<2],col[maxn<<2];
void Pushup(int rt)
{
    sum[rt]=sum[rt<<1]+sum[rt<<1|1];
}
void build(int l,int r,int rt)
{
    col[rt]=0;
    if(l==r)
    {
        scanf("%lld",&sum[rt]);
        return ;
    }
    int m=(l+r)>>1;
    build(lson);
    build(rson);
    Pushup(rt);
}
void Pushdown(int rt,int len)
{
    if(col[rt])
    {
        col[rt<<1]+=col[rt]; //可能还有之前没有更新的所以用+=
        col[rt<<1|1]+=col[rt];
        sum[rt<<1]+=(len-(len>>1))*col[rt]; //这里是更新区间增加col[rt]的,所以乘的是col[rt]
        sum[rt<<1|1]+=(len>>1)*col[rt];
        col[rt]=0;
    }
}
void update(int v,int L,int R,int l,int r,int rt)
{
    if(L<=l&&R>=r)
    {
        sum[rt]+=(LL)(r-l+1)*v;
        col[rt]+=v;
        return ;
    }
    Pushdown(rt,r-l+1);
    int m=(l+r)>>1;
    if(L<=m)update(v,L,R,lson);
    if(R>m)update(v,L,R,rson);
    Pushup(rt);
}
LL query(int L,int R,int l,int r,int rt)
{
 if(L<=l&&R>=r)
 {
     return sum[rt];
 }
  Pushdown(rt,r-l+1);
 LL ret=0;
 int m=(l+r)>>1;
 if(L<=m)ret+=query(L,R,lson);
 if(R>m)ret+=query(L,R,rson);
 return ret;
}

int main()
{
    int n,k,i,a,b,c;
    char op[10];
    while(~scanf("%d %d",&n,&k)&&n)
    {
        build(1,n,1);
        while(k--)
        {
           scanf("%s",op);
           if(op[0]=='Q')
           {
               scanf("%d %d",&a,&b);
               printf("%lld\n",query(a,b,1,n,1));
           }
           else
           {
               scanf("%d %d %d",&a,&b,&c);
               update(c,a,b,1,n,1);
           }
        }
    }
    return 0;
}


提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值