北京网赛I题 hiho1391 (树状数组、区间覆盖最大值问题)

本文介绍了一种解决导弹防御模拟问题的算法实现。该算法通过计算导弹的发射和防御时间,确定最小伤害值。利用树状数组进行区间更新与查询,实现了高效求解。

题目链接:http://hihocoder.com/problemset/problem/1391

题意:A国和B国向对方分别投射N枚和M枚导弹(发射时间,飞行时间,伤害值),同时两国各自都有防御系统,导弹碰到防御系统会发生反弹。B国防御时间固定,求A国受到的最小伤害。

思路:对于从A国发射的导弹,判断到达B时(a+b)是否在B国防御区间[x , x + Tb]内,如果不在就不用管了,在的话计算出导弹区间[l , r],如果A国防御区间不能覆盖导弹区间,将受到伤害。对B国发射的导弹同理。

处理出每枚导弹的属性后按右区间r排序,将伤害值d存入左端点l中,树状数组维护一下。


#include<cstdio>
#include<cstring>
#include<algorithm>
#include<map>
#define lowbit(x) x&(-x)
using namespace std;
const int N = 2e4 + 10;
int c[N],t[N];
map<int,bool> vis;
struct node
{
    int l,r,d;
}q[N];
bool cmp(node a,node b)
{
    return a.r < b.r;
}
void update(int pos,int k,int n)
{
    while(pos <= n)
    {
        c[pos] += k;
        pos += lowbit(pos);
    }
}
int sum(int pos)
{
    int res = 0;
    while(pos)
    {
        res += c[pos];
        pos -= lowbit(pos);
    }
    return res;
}
int main()
{
    int Ta,Tb,x,n,m;
    while(scanf("%d %d %d %d %d",&Ta,&Tb,&x,&n,&m) != EOF)
    {
        int num = 1, sum0 = 0, num0 = 1, ans = 0;
        memset(c,0,sizeof(c));
        memset(t,0,sizeof(t));
        vis.clear();
        for(int i = 1; i <= n; i++)
        {
            int a,b,d;
            scanf("%d %d %d",&a,&b,&d);
            if(a + b >= x && a + b <= x + Tb)
            {
                q[num].l = a + 2*b;
                q[num].r = a + 2*b + (x + Tb - a - b)/(2*b) * (2*b);//后半项表示在B国防御系统形成的区间长度(不大于x+Tb-(a+b)且为周期2b的倍数)
                q[num].d = d;
                if(!vis[q[num].l])
                {
                    t[num0++] = q[num].l;
                    vis[q[num].l] = 1;
                }
                sum0 += d;
                num++;
            }
        }
        for(int i = 1; i <= m; i++)
        {
            int a,b,d;
            scanf("%d %d %d",&a,&b,&d);
            q[num].l = a + b;
            if(a + 2*b < x || a + 2*b > x + Tb)
                q[num].r = a + b;
            else
                q[num].r = a + 3*b + (x + Tb - a - 2*b)/(2*b) * (2*b);
            q[num].d = d;
            if(!vis[q[num].l])
            {
                t[num0++] = q[num].l;
                vis[q[num].l] = 1;
            }
            sum0 += d;
            num++;
        }
        sort(q + 1, q + num, cmp);
        sort(t + 1, t + num0);
        for(int i = 1; i < num; i++)
        {
            int tmp1 = lower_bound(t + 1, t + num0, q[i].r - Ta) - t - 1;
            int tmp2 = upper_bound(t + 1, t + num0, q[i].r) - t - 1;
            int tmp3 = lower_bound(t + 1, t + num0, q[i].l) - t;
            update(tmp3, q[i].d, num0 - 1);
            ans = max(ans, sum(tmp2) - sum(tmp1));
        }
        printf("%d\n",sum0 - ans);
    }
    return 0;
}


基于数据驱动的 Koopman 算子的递归神经络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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