奇怪的报数问题(线段树,类似于划分树)

线段树求第K小元素
本文介绍了一种利用线段树数据结构求解区间内第K小元素的方法。通过构建线段树并维护每个区间的总人数,实现从后向前查找第K小元素的过程。文章提供了详细的代码实现,并解释了更新叶子节点权值的操作。

在这里插入图片描述

题解

有点类似于划分树的过程,线段树维护的是区间[l,r]中的总人数,这里倒过来做,从最后一个开始确定,如果当前人数u <= sum[lson],那就去左儿子的区间里找,否则u-sum[lson]到右儿子的区间里找,最后找到叶子结点就是答案。同时把这个叶子结点权值减1。

代码

#include <bits/stdc++.h>
using namespace std;
#define FOR0(a,b) for(int i = a; i < b; ++i)
#define FORE(a,b) for(int i = a; i <= b; ++i)
#define lson l,mid,rt<<1
#define rson mid+1,r,rt<<1|1
typedef long long ll;
typedef pair<int,int> pii;

const int maxn = 5e5+5;

int sum[maxn<<2];

void pushup(int rt) {
	sum[rt] = sum[rt<<1]+sum[rt<<1|1];
}
void build(int l,int r,int rt) {
	if(l == r) {
		sum[rt] = 1;
		return;
	}
	int mid = (l+r)>>1;
	build(lson);
	build(rson);
	pushup(rt);
}

void update(int o, int l, int r,int rt) {
	if(l == r) {
		sum[rt]--;
		return;
	}
	int mid = (l+r)>>1;
	if(mid >= o) update(o, lson);
	else update(o, rson);
	pushup(rt);
}
void query(int& ans, int o, int l, int r, int rt) {
	if(l == r) {
		ans = r;
		return;
	}
	int mid = (l+r)>>1;
	if(sum[rt<<1] >= o) query(ans, o, lson);
	else query(ans,o-sum[rt<<1], rson);
}
inline int read()
{
    int k=0;
    char f=1;
    char c=getchar();
    for(;!isdigit(c);c=getchar() )
        if(c=='-')
            f=-1;
    for(;isdigit(c);c=getchar() )
        k=k*10+c-'0';
    return k*f;
}
inline void write(int x)
{
     if(x<0) putchar('-'),x=-x;
     if(x>9) write(x/10);
     putchar(x%10+'0');
}
int a[maxn],ans[maxn];
int main() {
	int n;
	scanf("%d", &n);
	build(1,n,1);
	a[0] = 0;
	for(int i = 1; i < n; ++i)
		a[i] = read();
	for(int i = n-1; i >= 0; --i) {
		a[i]++;
		int v = 1;
		query(v,a[i],1,n,1);
		ans[i] = v;
		update(v,1,n,1);
	}
	for(int i = 0; i < n; ++i,puts("")) write(ans[i]);
	return 0;
}
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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