hdu-1166-敌兵布阵

本文探讨了一种利用智能算法解决复杂军事监控与数据计算问题的方法,通过线段树技术高效处理动态变化的工兵营地人数,解决了C国间谍Derek及其助手Tidy面临的计算难题。

C国的死对头A国这段时间正在进行军事演习,所以C国间谍头子Derek和他手下Tidy又开始忙乎了。A国在海岸线沿直线布置了N个工兵营地,Derek和Tidy的任务就是要监视这些工兵营地的活动情况。由于采取了某种先进的监测手段,所以每个工兵营地的人数C国都掌握的一清二楚,每个工兵营地的人数都有可能发生变动,可能增加或减少若干人手,但这些都逃不过C国的监视。
中央情报局要研究敌人究竟演习什么战术,所以Tidy要随时向Derek汇报某一段连续的工兵营地一共有多少人,例如Derek问:“Tidy,马上汇报第3个营地到第10个营地共有多少人!”Tidy就要马上开始计算这一段的总人数并汇报。但敌兵营地的人数经常变动,而Derek每次询问的段都不一样,所以Tidy不得不每次都一个一个营地的去数,很快就精疲力尽了,Derek对Tidy的计算速度越来越不满:”你个死肥仔,算得这么慢,我炒你鱿鱼!”Tidy想:“你自己来算算看,这可真是一项累人的工作!我恨不得你炒我鱿鱼呢!”无奈之下,Tidy只好打电话向计算机专家Windbreaker求救,Windbreaker说:“死肥仔,叫你平时做多点acm题和看多点算法书,现在尝到苦果了吧!”Tidy说:”我知错了。。。”但Windbreaker已经挂掉电话了。Tidy很苦恼,这么算他真的会崩溃的,聪明的读者,你能写个程序帮他完成这项工作吗?不过如果你的程序效率不够高的话,Tidy还是会受到Derek的责骂的.

Input
第一行一个整数T,表示有T组数据。
每组数据第一行一个正整数N(N<=50000),表示敌人有N个工兵营地,接下来有N个正整数,第i个正整数ai代表第i个工兵营地里开始时有ai个人(1<=ai<=50)。
接下来每行有一条命令,命令有4种形式:
(1) Add i j,i和j为正整数,表示第i个营地增加j个人(j不超过30)
(2)Sub i j ,i和j为正整数,表示第i个营地减少j个人(j不超过30);
(3)Query i j ,i和j为正整数,i<=j,表示询问第i到第j个营地的总人数;
(4)End 表示结束,这条命令在每组数据最后出现;
每组数据最多有40000条命令

Output
对第i组数据,首先输出“Case i:”和回车,
对于每个Query询问,输出一个整数并回车,表示询问的段中的总人数,这个数保持在int以内。

Sample Input
1
10
1 2 3 4 5 6 7 8 9 10
Query 1 3
Add 3 6
Query 2 7
Sub 10 2
Add 6 3
Query 3 10
End

Sample Output
Case 1:
6
33
59

很少接触线段树,但线段树又是经常出现的问题,所以不得不熟悉线段树。
线段树一般就集中情况:
1:不断更新区间结点和个数,求区间数目,的区间不再是静态区间,而是动态区间。
2:查询区间最值下标。
模版的话就几个:
创造线段树creat();
结点更新updata();
区间求和query();

#include<iostream>
#define MAXN 50001
using namespace std;
int num[MAXN],tree[MAXN*4];
char s[10];
void create(int l,int r,int p){
    if(l==r){
        tree[p]=num[l];
        return;
    }
    int mid=(l+r)>>1;
    create(l,mid,2*p);
    create(mid+1,r,2*p+1);
    tree[p]=tree[2*p]+tree[2*p+1];
}
void update(int l,int r,int t,int x,int p){
    if(l==r){
        tree[p]+=x;
        return;
    }
    int mid=(l+r)>>1;
    if(t>mid)
    update(mid+1,r,t,x,2*p+1);
    else update(l,mid,t,x,2*p);
    tree[p]=tree[2*p]+tree[2*p+1];
}
int query(int l,int r,int x,int y,int p){
    if(x==l && y==r)
    return tree[p];
    int mid=(l+r)>>1;
return query(mid+1,r,x,y,2*p+1);
    else if(y<=mid)
    return query(l,mid,x,y,2*p);
return query(l,mid,x,mid,2*p)+query(mid+1,r,mid+1,y,2*p+1);
}
int main(){
    int T,N,a,b,cnt=1;
    scanf("%d",&T);
    while(T--){
        scanf("%d",&N);
        for(int i=1;i<=N;i++){
            scanf("%d",&num[i]);
        }
        printf("Case %d:\n",cnt++);
        create(1,N,1);
        while(scanf("%s",s)){
break;
           else{
               scanf("%d%d",&a,&b);
printf("%d\n",query(1,N,a,b,1));
               else if(s[0]=='A')
               update(1,N,a,b,1);
               else
                update(1,N,a,-b,1);
           }
        }
    }

    return 0;
}
(SCI三维路径规划对比)25年最新五种智能算法优化解决无人机路径巡检三维路径规划对比(灰雁算法真菌算法吕佩尔狐阳光生长研究(Matlab代码实现)内容概要:本文档主要介绍了一项关于无人机三维路径巡检规划的研究,通过对比2025年最新的五种智能优化算法(包括灰雁算法、真菌算法、吕佩尔狐算法、阳光生长算法等),在复杂三维环境中优化无人机巡检路径的技术方案。所有算法均通过Matlab代码实现,并重点围绕路径安全性、效率、能耗和避障能力进行性能对比分析,旨在为无人机在实际巡检任务中的路径规划提供科学依据和技术支持。文档还展示了多个相关科研方向的案例与代码资源,涵盖路径规划、智能优化、无人机控制等多个领域。; 适合人群:具备一定Matlab编程基础,从事无人机路径规划、智能优化算法研究或自动化、控制工程方向的研究生、科研人员及工程技术人员。; 使用场景及目标:① 对比分析新型智能算法在三维复杂环境下无人机路径规划的表现差异;② 为科研项目提供可复现的算法代码与实验基准;③ 支持无人机巡检、灾害监测、电力线路巡查等实际应用场景的路径优化需求; 阅读建议:建议结合文档提供的Matlab代码进行仿真实验,重点关注不同算法在收敛速度、路径长度和避障性能方面的表现差异,同时参考文中列举的其他研究案例拓展思路,提升科研创新能力。
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