hdu 1698 Just A Hook 线段树的一道题

本文介绍了线段树的基本概念及其实现方式,并通过一道具体题目(hdu1698 Just A Hook)来演示如何使用线段树解决染色问题。文章提供了完整的代码示例并解释了关键步骤。

关于线段树以前也有过接触,不过忘了,重新回顾一下,线段树是用二叉树来实现的。

关于线段树的概念,这个blog写的很详细,大家可以看一下http://www.cnblogs.com/shuaiwhu/archive/2012/04/22/2464583.html

hdu 1698 Just A Hook

这题题意是屠夫的钩子为n的长度,每段的材质都可以改变,一开始都是铜材质的,经过q次变化后求钩子的价值。(1表示铜,2表示银,3表示金)我们可以把这题简化成染色问题,给钩子染色,一开始都是1这种颜色,然后用别的颜色覆盖上去,这样比较好理解。一题比较基础的线段树,也不多说,附上代码:

#include<iostream>
#include<cmath>
#include<cstdio>
using namespace std;
const int MAXN=400012;
class node{
    public:
    int left,right,value;
} a[MAXN];
int maxroot,n,q,i;
int max(int a,int b)
{
    if (a>b) return a; else return b;
}
void build(int root,int l,int r)//建树
{
   int mid; mid=(l+r)>>1;
   maxroot=max(root,maxroot);
   a[root].left=l;
   a[root].right=r;
   a[root].value=1;
   if (l==r) return;
   build(root*2,l,mid);
   build(root*2+1,mid+1,r);

}
void color(int root,int l,int r,int v)//染色,可以说这是用了线段树中的Lazy算法吧
{
    if (l<=a[root].left&&a[root].right<=r)
    {
        a[root].value=v;
    }
    else{
        if (a[root].value!=-1) a[root*2].value=a[root*2+1].value=a[root].value;
        a[root].value=-1;
        if (l<=a[root*2].right) color(root*2,l,r,v);
        if (a[root*2+1].left<=r) color(root*2+1,l,r,v);
    }
}
int  Count(int root)//计算
{
    if (root<=maxroot)
    {
        if (a[root].value!=-1) return a[root].value*(a[root].right-a[root].left+1);
        else return Count(root*2)+Count(root*2+1);
    } else return 0;
}
int main()
{
    int T,x,y,v;
    cin>>T;
    for (int I=1;I<=T;I++)
    {
        scanf("%d",&n);
        scanf("%d",&q);
        maxroot=1;
        build(1,1,n);
        for (i=1;i<=q;i++)
        {
            scanf("%d%d%d",&x,&y,&v);
            color(1,x,y,v);
        }
        cout<<"Case "<<I<<": The total value of the hook is "<<Count(1)<<'.'<<endl;
    }
}


提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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