POJ3468 A Simple Problem with Integers 线段树区间更新

线段树区间更新详解
本文详细介绍了一种基于线段树的数据结构实现——区间更新,包括核心代码的解析及优化技巧。通过具体实例展示了如何利用线段树进行区间查询与更新操作,并提供了完整的C++实现代码。

POJ3468 A Simple Problem with Integers

/*线段树区间更新
2000MS   4484K	
*/
#include <stdio.h>
#include <string.h>
const int MAX=1e5+5;
long long tree[MAX*4];
long long lazy[MAX*4];//延时数组
void read(int &x)//读入优化
{
    long long f=1;x=0;char s=getchar();
    while(s<'0'||s>'9'){if(s=='-')f=-1;s=getchar();}
    while(s>='0'&&s<='9'){x=x*10+s-'0';s=getchar();}
    x*=f;
}
void pushup (int root)//向上更新
{
    tree[root]=tree[root*2]+tree[root*2+1];
}
void pushdown (int root,int left,int right,int mid)//向下更新
{
    tree[root*2]+=lazy[root]*(mid-left+1);
    tree[root*2+1]+=lazy[root]*(right-mid);
    lazy[root*2]+=lazy[root];
    lazy[root*2+1]+=lazy[root];
    lazy[root]=0;
}
void build (int root,int left,int right)//建树
{
    lazy[root]=0;
    if (left==right)
    {
        int x;
        read(x);
        tree[root]=x;
        return ;
    }
    int mid=(left+right)/2;
    build(root*2,left,mid);
    build(root*2+1,mid+1,right);
    pushup(root);
}
void update (int root,int left,int right,int L,int R,int val)//区间更新
{
    if (L<=left&&R>=right)
    {
        tree[root]+=(right-left+1)*val;
        lazy[root]+=val;
        return ;
    }
    int mid=(right+left)/2;
    if (lazy[root]!=0) pushdown(root,left,right,mid);
    if (L<=mid) update(root*2,left,mid,L,R,val);
    if (R>mid) update(root*2+1,mid+1,right,L,R,val);
    pushup(root);
}
long long query (int root,int left,int right,int L,int R)//区间查询
{
    if (L<=left&&R>=right)
        return tree[root];
    int mid=(right+left)/2;
    long long sum=0;
    if (lazy[root]!=0) pushdown(root,left,right,mid);
    if (L<=mid) sum+=query(root*2,left,mid,L,R);
    if (R>mid) sum+=query(root*2+1,mid+1,right,L,R);
    return sum;
}
int main ()
{
    int n,m;
    read(n);read(m);
    build(1,1,n);
    while (m--)
    {
        int x,y,z;
        char c;
        c=getchar();
        if (c=='Q')
        {
            read(x);read(y);
            printf ("%I64d\n",query(1,1,n,x,y));//long long 64位
        }
        else
        {
            read(x);read(y);read(z);
            update(1,1,n,x,y,z);
        }
    }
    return 0;
}

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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