HDU - 1541 Stars 【树状数组】

本文解决了一个关于星星等级的问题,利用树状数组来计算每个星星的等级,即其左下角星星的数量。通过构建X坐标的序列并计算所有逆序对的个数来实现。

题目链接

http://acm.hdu.edu.cn/showproblem.php?pid=1541

题意
求每个等级的星星有多少个

当前这个星星的左下角 有多少个 星星 它的等级就是多少

和它同一水平线的左边的星星 以及 同一竖直线的下边的星星也算在内

思路
因为题目给出的x y 坐标 是按照 以 y 为第一关键词 x 为第二关键词 排序后给出的

那么 对于当前的星星来说,在它之前给出的星星中,都是在它下边的

所以 我们就可以不用管 Y 坐标 只用X 坐标

形成一个序列 就是求这个序列的 所有逆序对的个数

树状数组

AC代码

#include <cstdio>
#include <cstring>
#include <ctype.h>
#include <cstdlib>
#include <cmath>
#include <climits>
#include <ctime>
#include <iostream>
#include <algorithm>
#include <deque>
#include <vector>
#include <queue>
#include <string>
#include <map>
#include <stack>
#include <set>
#include <numeric>
#include <sstream>
#include <iomanip>
#include <limits>

#define CLR(a) memset(a, 0, sizeof(a))
#define pb push_back

using namespace std;
typedef long long ll;
typedef long double ld;
typedef unsigned long long ull;
typedef pair <int, int> pii;
typedef pair <ll, ll> pll;
typedef pair<string, int> psi;
typedef pair<string, string> pss;

const double PI = acos(-1.0);
const double E = exp(1.0);
const double eps = 1e-30;

const int INF = 0x3f3f3f3f;
const int maxn = 32000 + 5;
const int MOD = 1e9 + 7;

int a[maxn];
int sum[maxn];

int lowbit(int x)
{
    return x & (-x);
}

int Sum(int n)
{
    int ans = 0;
    while (n > 0)
    {
        ans += a[n];
        n -= lowbit(n);
    }
    return ans;
}

void add(int x)
{
    while (x <= maxn)
    {
        a[x]++;
        x += lowbit(x);
    }
}


int main()
{
    int n;
    while (~scanf("%d", &n))
    {
        CLR(sum);
        CLR(a);
        int x, y;
        for (int i = 0; i < n; i++)
        {
            scanf("%d%d", &x, &y);
            sum[Sum(++x)]++;
            add(x);
        }
        for (int i = 0; i < n; i++)
            printf("%d\n", sum[i]);
    }
}

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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