[NEERC13.H][ST表][乱搞]Hack Protection

枚举左端点i,因为左端点固定,那么区间的And值不超过31种(每次And一个数,只可能使这个数二进制下的某一位变成0),那么每次二分出他变化的区间,因为子串xor可以变成两个xor前缀的xor,所以只要找出在这个区间中xor前缀等于B[i] xor A,B[i]为1~i的xor值,A为这个区间的And值。

做这题时我是用二分加线段树有两个log,后来想在线段树上二分,打着打着猛然想起有种东西叫ST表…

#include <cstdio>
#include <iostream>
#include <algorithm>
#include <vector>
#include <map>
#define N 100010

using namespace std;

int n;
int A[N],B[N],Log2[N];
int st[N][25];
long long Ans;
map<int,vector<int> > M;

inline char nc(){
  static char buf[100000],*p1=buf,*p2=buf;
  return p1==p2&&(p2=(p1=buf)+fread(buf,1,100000,stdin),p1==p2)?EOF:*p1++;
}

inline void rea(int &x){
  char c=nc(); x=0;
  for(;c>'9'||c<'0';c=nc());for(;c>='0'&&c<='9';x=x*10+c-'0',c=nc());
}

void Build(){
  int t=Log2[n];
  for(int i=1;i<=n;i++) st[i][0]=A[i];
  for(int i=1;i<=t;i++)
    for(int j=1;j+(1<<i-1)<=n;j++)
      st[j][i]=(st[j][i-1]&st[j+(1<<i-1)][i-1]);
}

int query(int l,int r){
  int t=Log2[r-l+1];
  return st[l][t]&st[r-(1<<t)+1][t];
}

int main(){
  freopen("hack.in","r",stdin);
  freopen("hack.out","w",stdout);
  rea(n);
  for(int i=1;i<=n;i++) rea(A[i]);
  for(int i=1;i<=n;i++) M[B[i]=B[i-1]^A[i]].push_back(i);
  for(int i=1;i<=n;i++) Log2[i]=Log2[i-1]+((1<<Log2[i-1]+1)==i);
  Build();
  //for(int i=0;i<M[0].size();i++) printf("%d ",M[0][i]);
  for(int i=1;i<=n;i++){
    int cur=A[i],r=i;
    for(int p;r<=n;r=p+1){
      int L=r,R=n,mid; p=r;
      //p=check(1,cur,p,n);
      while(L<=R) query(i,mid=L+R>>1)==cur?L=(p=mid)+1:R=mid-1;
      if(M.count(cur^B[i-1])){
    int now=upper_bound(M[cur^B[i-1]].begin(),M[cur^B[i-1]].end(),p)-lower_bound(M[cur^B[i-1]].begin(),M[cur^B[i-1]].end(),r);
    Ans+=now;
      }
      cur&=A[p+1];
    }
  }
  cout<<Ans<<endl;
  return 0;
}
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
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