HDU 1754 I Hate It

本文介绍了一种高效的数据结构——段式树,用于处理区间查询和更新操作,尤其是在学生分数查询和更新场景中。通过构建段式树,可以快速找到指定区间内的最大值,并在更新某个元素值后保持树的平衡,实现O(log n)的时间复杂度。

I Hate It

http://acm.hdu.edu.cn/showproblem.php?pid=1754
Problem Description
很多学校流行一种比较的习惯。老师们很喜欢询问,从某某到某某当中,分数最高的是多少。
这让很多学生很反感。

不管你喜不喜欢,现在需要你做的是,就是按照老师的要求,写一个程序,模拟老师的询问。当然,老师有时候需要更新某位同学的成绩。

Input
本题目包含多组测试,请处理到文件结束。
在每个测试的第一行,有两个正整数 N 和 M ( 0<N<=200000,0<M<5000 ),分别代表学生的数目和操作的数目。
学生ID编号分别从1编到N。
第二行包含N个整数,代表这N个学生的初始成绩,其中第i个数代表ID为i的学生的成绩。
接下来有M行。每一行有一个字符 C (只取’Q’或’U’) ,和两个正整数A,B。
当C为’Q’的时候,表示这是一条询问操作,它询问ID从A到B(包括A,B)的学生当中,成绩最高的是多少。
当C为’U’的时候,表示这是一条更新操作,要求把ID为A的学生的成绩更改为B。

Output
对于每一次询问操作,在一行里面输出最高成绩。

Sample Input
5 6
1 2 3 4 5
Q 1 5
U 3 6
Q 3 4
Q 4 5
U 2 9
Q 1 5

Sample Output
5
6
5
9

Hint
Huge input,the C function scanf() will work better than cin
C++

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>

using namespace std;

const int MAXN = 200000 + 10;

int num[MAXN];

struct node{
	int l, r, maxn;
}segTree[MAXN << 2];

void build(int x, int l, int r)
{
	segTree[x].l = l;
	segTree[x].r = r;
	if(l == r)
	{
		segTree[x].maxn = num[l];
		return;
	}
	int mid = l + r >> 1;
	build(x << 1, l, mid);
	build(x << 1 | 1, mid + 1, r);
	segTree[x].maxn = max(segTree[x << 1].maxn, segTree[x << 1 | 1].maxn);	
}

void update(int x, int pos, int val)
{
	if(segTree[x].l == segTree[x].r)
	{
		segTree[x].maxn = val;
		return;
	}
	int mid = segTree[x].l + segTree[x].r >> 1;
	if(pos <= mid) update(x << 1, pos, val);
	else update(x << 1 | 1, pos, val);
	segTree[x].maxn = max(segTree[x << 1].maxn, segTree[x << 1 | 1].maxn);
}

int query(int x, int l, int r)
{
	if(l <= segTree[x].l && segTree[x].r <= r)
		return segTree[x].maxn;
	int mid = segTree[x].l + segTree[x].r >> 1;
	if(r <= mid) return query(x << 1, l, r);
	else if(l > mid) return query(x << 1 | 1, l, r);
	else return max(query(x << 1, l, mid), query(x << 1 | 1, mid + 1, r));
}

int main()
{
	int n, m;
	while(scanf("%d%d", &n, &m) != EOF)
	{
		for(int i = 1; i <= n; i ++)
		scanf("%d", &num[i]);
		build(1, 1, n);
		char op;
		int a, b;
		while(m --)
		{
			getchar();
			scanf("%c%d%d", &op, &a, &b);
			if(op == 'Q') printf("%d\n", query(1, a, b));
			else update(1, a, b);
		}
	}
	return 0;
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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