POJ--3481(Treap / other trees / STL)

本文介绍了一种使用Treap树状数组的数据结构实现方法,包括插入、删除、查找最大值和最小值等功能。通过随机化平衡策略确保操作效率。

2015-03-20 00:44:34

思路:无聊拿来写treap练练手... 插入、删除都是常规的,至于找最大和找最小,每个节点的key值令为客户的priority,再保存他的编号即可。

  (因为查询时没写全局,而用了pair作为返回TLE了... 看来pair返回还是很慢的... 尽量开在全局吧...)

  1 #include <cstdio>
  2 #include <cstring>
  3 #include <cstdlib>
  4 #include <cmath>
  5 #include <vector>
  6 #include <map>
  7 #include <set>
  8 #include <stack>
  9 #include <queue>
 10 #include <string>
 11 #include <iostream>
 12 #include <algorithm>
 13 using namespace std;
 14 
 15 #define MEM(a,b) memset(a,b,sizeof(a))
 16 #define REP(i,n) for(int i=1;i<=(n);++i)
 17 #define REV(i,n) for(int i=(n);i>=1;--i)
 18 #define FOR(i,a,b) for(int i=(a);i<=(b);++i)
 19 #define RFOR(i,a,b) for(int i=(a);i>=(b);--i)
 20 #define getmid(l,r) ((l) + ((r) - (l)) / 2)
 21 #define MP(a,b) make_pair(a,b)
 22 #define X first
 23 #define Y second
 24 
 25 typedef long long ll;
 26 typedef pair<int,int> pii;
 27 const int INF = (1 << 30) - 1;
 28 const int MAXN = 1e6;
 29 
 30 int ID,KEY;
 31 
 32 struct Treap{
 33     int root,tcnt;
 34     int key[MAXN],pro[MAXN],id[MAXN],son[MAXN][2];
 35     inline void clear(){
 36         root = 0;
 37         tcnt = 0;
 38         pro[0] = ~0U >> 1;
 39         id[0] = key[0] = 0;
 40     }
 41     inline void rotate(int &x,int t){
 42         int y = son[x][t];
 43         son[x][t] = son[y][1 - t];
 44         son[y][1 - t] = x;
 45         x = y;
 46     }
 47     inline void _insert(int &x,int k,int tid){
 48         if(x){ //not empty
 49             if(key[x] != k){
 50                 int t = k > key[x];
 51                 _insert(son[x][t],k,tid);
 52                 if(pro[son[x][t]] < pro[x]) rotate(x,t);
 53             }
 54         }
 55         else{
 56             x = ++tcnt;
 57             key[x] = k;
 58             id[x] = tid;
 59             pro[x] = rand();
 60             son[x][0] = son[x][1] = 0;
 61         }
 62     }
 63     inline void _erase(int &x,int k){
 64         if(key[x] == k){
 65             if(!son[x][0] && !son[x][1]){
 66                 x = 0;
 67                 return;
 68             }
 69             int t = pro[son[x][0]] > pro[son[x][1]];
 70             rotate(x,t);
 71             _erase(x,k);
 72         }
 73         else _erase(son[x][k > key[x]],k);
 74     }
 75     inline void _top(int &x){
 76         if(!son[x][1]){
 77             ID = id[x];
 78             KEY = key[x];
 79             return;
 80         }
 81         else _top(son[x][1]);
 82     }
 83     inline void _bot(int &x){
 84         if(!son[x][0]){
 85             ID = id[x];
 86             KEY = key[x];
 87             return;
 88         }
 89         else _bot(son[x][0]);
 90     }
 91     inline void insert(int k,int tid){
 92         _insert(root,k,tid);
 93     }
 94     inline void erase(int k){
 95         _erase(root,k);
 96     }
 97     inline void top(){
 98         return _top(root);
 99     }
100     inline void bot(){
101         return _bot(root);
102     }
103 }tp;
104 
105 int main(){
106     int a,b,c;
107     tp.clear();
108     while(scanf("%d",&a) != EOF){
109         if(a == 0) break;
110         if(a == 2){
111             tp.top();
112             printf("%d\n",ID);
113             if(KEY) tp.erase(KEY);
114         }
115         else if(a == 3){
116             tp.bot();
117             printf("%d\n",ID);
118             if(KEY) tp.erase(KEY);
119         }
120         else{
121             scanf("%d%d",&b,&c);
122             tp.insert(c,b);
123         }
124     }
125     return 0;
126 }

 

转载于:https://www.cnblogs.com/naturepengchen/articles/4352344.html

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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