codeforces 792D - Paths in a Complete Binary Tree

本文介绍了一种使用lowbit技巧进行二叉树遍历的算法,并通过对比宏定义与函数实现的方式展示了不同方法的性能差异。该算法适用于快速定位二叉树中节点的父节点及左右子节点。

#include<cstdio>
#include<iostream>
#define lowbit(x) x&(-x)
typedef long long ll;
using namespace std;
ll n,q,num,root;string s;
int main()
{
	scanf("%I64d%I64d",&n,&q);
	root=(n+1)/2;
	for(ll q_i=1;q_i<=q;q_i++)
	{
		cin>>num>>s;
		for(int step=0;step<s.size();step++)
		{
			ll lowbit_num=lowbit(num);//假设num这个节点是左子节点
			if(s[step]=='U' && num!=root)
			{
				ll num_u=num+lowbit_num;//求出在假设情况下的num的父节点num_u
				ll lowbit_num_u=lowbit(num_u);
				if(num_u - lowbit_num_u/2 == num) num=num_u;//如果根据父节点求出来的左孩子就是num,那么num确实是左子节点
				else num=num-lowbit_num;//否则num就是右子节点
			}
			if(s[step]=='L') num-=lowbit_num/2;
			if(s[step]=='R') num+=lowbit_num/2;
		}
		printf("%I64d\n",num);
	}
}

思路来自http://blog.youkuaiyun.com/Courage_kn/article/details/69218592

用#define比定义一个lowbit函数快……不过好像很多时候不能像函数那样随便用,容易出问题……




这是分别用

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

#define lowbit(x) x&(-x)

情况下的耗时……

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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