HDU 4825 Xor Sum(Trie树 + 贪心

Problem Description

Zeus 和 Prometheus 做了一个游戏,Prometheus 给 Zeus 一个集合,集合中包含了N个正整数,随后 Prometheus 将向 Zeus 发起M次询问,每次询问中包含一个正整数 S ,之后 Zeus 需要在集合当中找出一个正整数 K ,使得 K 与 S 的异或结果最大。Prometheus 为了让 Zeus 看到人类的伟大,随即同意 Zeus 可以向人类求助。你能证明人类的智慧么?

Input

输入包含若干组测试数据,每组测试数据包含若干行。
输入的第一行是一个整数T(T < 10),表示共有T组数据。
每组数据的第一行输入两个正整数N,M(<1=N,M<=100000),接下来一行,包含N个正整数,代表 Zeus 的获得的集合,之后M行,每行一个正整数S,代表 Prometheus 询问的正整数。所有正整数均不超过2^32。

Output

对于每组数据,首先需要输出单独一行”Case #?:”,其中问号处应填入当前的数据组数,组数从1开始计算。
对于每个询问,输出一个正整数K,使得K与S异或值最大。

Sample Input

2
3 2
3 4 5
1
5
4 1
4 6 5 6
3

Sample Output

Case #1:
4
3
Case #2:
4

分析

暴力做法就是询问时遍历整个数组,复杂度是 O(n)O(n)O(n)
怎么降低询问复杂度呢?异或是相同为 000 ,不同为 111,那我们一位一位来看,要使异或的值尽量大,肯定高位要尽量是 111, 于是就有一个贪心算法。
将每个树的二进制串插入 TrieTrieTrie 树,然后每次询问的值为 xxx,对于从高到低每一位,如果存在与 xxx 那一位不同的数,就往那个方向走。
具体细节看代码。

代码如下

#include <bits/stdc++.h>
#define N 100005
using namespace std;
int cnt, ch[N * 32][2], v[N * 32], a[N], s[32];
void insert(int a[], int p, int num){
	int i, c;
	for(i = 31; i >= 0; i--){
		c = a[i];
		if(!ch[p][c]) ch[p][c] = ++cnt;
		p = ch[p][c];
	}
	v[p] = num;
}
int query(int a[], int p){
	int i, c;
	for(i = 31; i >= 0; i--){
		c = a[i];
		if(ch[p][c ^ 1]) p = ch[p][c ^ 1];
		else p = ch[p][c];
	}
	return v[p];
}
int main(){
	int i, j, n, m, x, T, q;
	scanf("%d", &T);
	for(q = 1; q <= T; q++){
		printf("Case #%d:\n", q);
		memset(ch, 0, sizeof(ch));
		memset(v, 0, sizeof(v));
		scanf("%d%d", &n, &m);
		for(i = 1; i <= n; i++) scanf("%d", &a[i]);
		for(i = 1; i <= n; i++){
			memset(s, 0, sizeof(s));
			for(j = 0; j < 32; j++) if(1 << j & a[i]) s[j] = 1;
			insert(s, 0, i);
		}
		for(i = 1; i <= m; i++){
			scanf("%d", &x);
			memset(s, 0, sizeof(s));
			for(j = 0; j < 32; j++) if(1 << j & x) s[j] = 1;
			printf("%d\n", a[query(s, 0)]);
		}
	}
	return 0;
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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