一个普通的.线段树

本文介绍了一种数据结构——线段树,并提供了详细的代码实现。包括如何建立一棵线段树,如何进行区间查询和更新操作。适用于解决区间查询与修改问题。

随手写个线段树来复习一下…..
线段树:只是带有区间查询,修改(1变0,0变1)通过^完成,建树
不解释,,,,
直接上代码

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
using namespace std;
struct node
{
    int num;
    int l,r; 
}tree[1000000];
void build(int l,int r,int h)
{
    if(l==r)
    {
        tree[h].l=tree[h].r=l; //左右子树的范围是此时搜索的点个数
        tree[h].num=0;  //初始化为0
        return;
    }
    tree[h].l=l;tree[h].r=r;   //左右子树的范围是此时搜索的点个数
    int mid=(l+r)>>1; //二分过程 l为左 r为右 <<指乘2 >>则反过来
    build(l,mid,h<<1);    //处理左边    
    build(mid+1,r,h<<1|1); //处理右边 <<1|1指乘2加一
    tree[h].num=tree[h<<1].num+tree[h<<1|1].num; //合并数值
    return;
} 
int find(int l,int r,int h)
{
    if(tree[h].l==l && tree[h].r==r)
        return tree[h].num; //如果找的刚好是可以直接取的区间,则返回
    int mid=(tree[h].l+tree[h].r)>>1; //算中点
    if(r<=mid) //如果这段区间在右边,则往右边找
        return find(l,r,h<<1);
    if(l>mid)  //如果这段区间在左边,则往左边找
        return find(l,r,h<<1|1);
    else//如果这段区间在中间,则隔开,左一端,右一段来找
        return find(l,mid,h<<1)+find(mid+1,r,h<<1|1);
}
void update(int h,int l,int r)
{
    if(tree[h].l==tree[h].r)
    {
        tree[h].num^=1; //修改
        return ;
    }     //这个跟建树过程差不多
    if(l<=(tree[h].l+tree[h].r)/2) update(h*2,l,r);
    if(r>=(tree[h].l+tree[h].r)/2+1) update(h*2+1,l,r);
    tree[h].num=tree[h*2].num+tree[h*2+1].num;
}
int main()
{
    int i,j,k,m,n;
    scanf("%d%d",&m,&n); 
    build(1,m,1);  //建树
    for(i=1;i<=n;i++)
    {
        int cmd,av1,av2;
        scanf("%d%d%d",&cmd,&av1,&av2);
        if(cmd==0)
            update(1,av1,av2); //更新
        if(cmd==1)
             printf("%d\n",find(av1,av2,1)); //查找
    }
    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表现。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密度下的性能表现;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表达与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
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