poj 3264 ST算法

本文介绍了一种使用ST算法解决区间最值查询(RMQ)问题的方法,并通过代码实例展示了预处理过程及查询操作。该算法不仅易于理解,且效率高。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

RMQ问题,既可以用线段树解决,也可以用ST算法,关于ST算法,这篇文章图文并茂,还有动画演示,讲解非常精彩,一

学就会。我就不罗嗦了,直接贴代码。

 

#include <stdio.h>

#define DEBUG

#ifdef DEBUG
#define debug(...) printf( __VA_ARGS__) 
#else
#define debug(...)
#endif

#define MIN(a, b) (a) < (b) ? (a): (b)
#define MAX(a, b) (a) > (b) ? (a): (b)

#define inf 20000000
#define N 50001

struct node 
{
	int min, max;
};
struct node f[100001][16];

int main()
{
	int 	i, q, s, t, n, j, l, max_h, min_h;

	scanf("%d %d", &n, &q);
	for (i = 1; i <= n; i++) {
		scanf("%d", &f[i][0].min);
		f[i][0].max = f[i][0].min;
	}

	//预处理
	for (j = 1, l = 2; l <= n; j++, l <<= 1) {
		for (i = 1; i <= n && (l+i-1) <= n; i++) {
				f[i][j].min = MIN(f[i][j-1].min, f[l/2+i][j-1].min);
				f[i][j].max = MAX(f[i][j-1].max, f[l/2+i][j-1].max);
		}
	}

	while (q--) {
		scanf("%d %d", &s, &t);
		//求查询子区间的长度l
		i = (t-s+1);
		for (j = 0, l = 1; l <= i; j++, l <<= 1);
		j--; l >>= 1;
		//根据子区间直接求出答案
		max_h = MAX(f[s][j].max, f[t-l+1][j].max);
		min_h = MIN(f[s][j].min, f[t-l+1][j].min);
		printf("%d\n", max_h-min_h);
	}

	return 0;
}
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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