线段树模板——Orz SWC学长

本文介绍了一种基于线段树的数据结构实现方法,用于高效处理区间加法和区间求和操作。通过预处理和递归更新的方式,该方法能够在对数时间内完成更新和查询任务。适用于需要频繁进行区间操作的问题场景。
#include<cstdio>
#include<iostream>
using namespace std;
typedef long long LL;
const int MAXN= 1000000+50;

LL num[MAXN];

struct meiko
{
     LL l,r;
     LL sum,add;
}sz[MAXN<<2];


void update(LL p)
{
    sz[p].sum=sz[p<<1].sum+sz[(p<<1)+1].sum;
}
void buff(LL p)
{
    if(sz[p].add)
    {
        sz[p<<1].sum+=sz[p].add*(sz[p<<1].r-sz[p<<1].l+1);
        sz[p<<1|1].sum+=sz[p].add*(sz[p<<1|1].r-sz[p<<1|1].l+1);
        sz[p<<1].add+=sz[p].add;
        sz[p<<1|1].add+=sz[p].add;
        sz[p].add=0;
    }
}


void build(LL l,LL r,LL p)
{
    sz[p].l=l;
    sz[p].r=r;
    if(l==r)
    {
        sz[p].sum=num[l];
        return;
    }
    LL mid=(l+r)>>1;
    build(l,mid,p<<1);
    build(mid+1,r,p<<1|1);
    update(p);
}

void addd(LL p,LL l,LL r,LL jia)
{
    if(l<=sz[p].l&&sz[p].r<=r)
    {
        sz[p].sum+=(sz[p].r-sz[p].l+1)*jia;
        sz[p].add+=jia;
        return;
    }
    buff(p);
    LL mid=(sz[p].r+sz[p].l)>>1;
    if(l<=mid)
    addd(p<<1,l,r,jia);
    if(r>mid)
    addd(p<<1|1,l,r,jia);
    update(p);
}

LL ask(LL p,LL l,LL r)
{
    LL ans=0; 
    if(l<=sz[p].l&&sz[p].r<=r )
    {
        return sz[p].sum;
    }
    buff(p);

    LL mid = (sz[p].l + sz[p].r) >> 1;
    if(l <= mid)
    {
        ans += ask(p<< 1, l, r);
    }
    if(r > mid)
    {
        ans += ask(p<< 1 | 1, l, r);
    }
    return ans;
}

int main()
{
    LL n,q;
    scanf("%lld%lld",&n,&q);
    for(LL i=1;i<=n;i++)
    {
        scanf("%lld",&num[i]);
    }

    build(1,n,1);

    for(LL i=1;i<=q;i++)
    {
        char hah;
        cin>>hah;
        {
            if(hah=='Q')
            {
                LL a,b;
                scanf("%lld%lld",&a,&b);
                printf("%lld\n",ask(1,a,b));
            }
            else if(hah=='C')
            {
                LL a,b,c;
                scanf("%lld%lld%lld",&a,&b,&c);
                addd(1,a,b,c);
            }
        }
    }
    return 0;
}
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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