线段树小结

今天做了一些线段树的题,在此简单总结一下。

首先先引入问题:

假设有一个长度为n的数组,对这个数组进行多次如下操作:

1.查询[l,r]区间内的最大/小值,或者是查询[l,r]区间内的元素和;

2.修改数组中某一个元素的值,或者是修改[l,r]区间内的每一个值(都加v)。

如果用朴素方法,那么查询k次的复杂度是O(kn),在k和n都比较大的情况下,这个复杂度远远不能令我们满意,这时线段树这一数据结构应运而生,它的每一次查询和修改操作都可以在logn的复杂度下完成。

闲话不多说,直接讲解一下线段树的几个基本操作。

首先是线段树的结构体:

const int N = 1e5+10;
struct Node{
	int left, right;//该节点维护的是[left,right]区间的信息
	int sum,max;    //sum为[left,right]区间内的元素和,max为最大值
}tree[N<<2];

我的理解是线段树有点类似二叉堆,同样都是满二叉树,可以很方面的保存在数组中,并且用移位运算很便捷的找到父节点或者儿子节点。

1.既然线段树是一种二叉平衡搜索树(BBST),那么首先要建树,代码如下:

void build(int id, int l, int r)	//自顶向下递归建树 
{
    tree[id].left = l;
    tree[id].right = r;
    if(l == r)
    {
        scanf("%d", &tree[id].sum);	//递归基 ,区间为1的情况,对应的是叶子节点
    }
    else
    {
        int mid = (l + r) / 2;
        build(id*2, l, mid);		//建左子树 
        build(id*2+1, mid+1, r);	//建右子树 
        tree[id].sum = tree[id*2].sum + tree[id*2+1].sum;    
    }
}

2.接下来的操作是修改某个叶子节点的值:

void update(int id, int pos, int val)
{
    if(tree[id].left == tree[id].right)
        tree[id].sum += val;		//将叶子节点的值加val 
//		tree[id].sum = val; 		//将叶子节点的值修改为val 
    else
    {
        int mid = (tree[id].left + tree[id].right) / 2;
        if(pos <= mid)
            update(id*2, pos, val);
        else
            update(id*2+1, pos, val);
        tree[id].sum = tree[id*2].sum + tree[id*2+1].sum;    
    }
}

3.最后一个操作是查询某个区间:

int query(int id, int l, int r)
{
    if(tree[id].left == l && tree[id].right == r)
        return tree[id].sum;
    else
    {
        int mid = (tree[id].left + tree[id].right) / 2;
        if(r <= mid)
            return query(id*2, l, r);
        else if(l > mid)
            return query(id*2+1, l, r);
        else
            return query(id*2, l, mid) + query(id*2+1, mid+1, r);
    }
}



【SCI级别】多策略改进鲸鱼优化算法(HHWOA)和鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30寻优对比内容概要:本文档主要介绍了一项关于多策略改进鲸鱼优化算法(HHWOA)与标准鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30上进行寻优性能对比的研究,属于智能优化算法领域的高水平科研工作。文中通过Matlab代码实现算法仿真,重点展示了HHWOA在收敛速度、寻优精度和稳定性方面的优势,体现了多策略改进的有效性。该研究适用于复杂优化问题求解,尤其在工程优化、参数辨识、机器学习超参数调优等领域具有应用潜力。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事智能优化算法开发与应用的工程技术人员,尤其适合致力于SCI论文写作与算法创新的研究者。; 使用场景及目标:①用于理解鲸鱼优化算法的基本原理及多策略改进思路(如种群初始化、非线性收敛因子、精英反向学习等);②为智能优化算法的性能测试与对比实验提供CEC2017标准测试平台的实现参考;③支撑学术研究中的算法创新与论文复现工作。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注HHWOA的改进策略模块与WOA的差异,通过重复实验验证算法性能,并可将其思想迁移至其他优化算法的改进中,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