[HNOI2004]宠物收养所

Splay树操作详解
本文详细介绍了Splay树的基本操作,包括查找前驱、后继、插入和删除节点等,并通过具体的C语言实现代码展示了这些操作的具体实现过程。

题目思路:splay,主要用到找某个数(不一定在树中)的前驱,后继,和插入,删除。

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define mod 1000000
using namespace std;
#define inf 0x3f3f3f3f
#define Max 84000
int max(int a,int b)
{
	return a>b?a:b;
}
int min(int a,int b)
{
	return a<b?a:b;
}
int p[Max],ch[Max][2],top1,ans,val[Max],root;
int num[2];
void debug();
void newnode(int &x,int fa,int data)
{
    x=++top1;
    p[x]=fa;
    val[x]=data;
    ch[x][0]=ch[x][1]=0;
}
void init()
{
    top1=0;ans=0;
    newnode(root,0,-inf);
    newnode(ch[root][1],root,inf);
    num[0]=num[1]=0;
}
void rot(int x,int f)//旋转
{
    int y=p[x];
    ch[y][!f]=ch[x][f];
    p[ch[x][f]]=y;
    if(p[y]) ch[p[y]][ch[p[y]][1]==y]=x;
    p[x]=p[y];
    ch[x][f]=y;
    p[y]=x;
    if(p[x]==0)
    root=x;
}
void splay(int x,int goal)
{
    while(p[x]!=goal)//旋转直到指定位置
    {
        if(p[p[x]]==goal)
        {
            rot(x,ch[p[x]][0]==x);
        }
        else//根据情况选择旋转方式
        {
            int y=p[x];
            int f=(ch[p[y]][0]==y);
            if(ch[y][f]==x)
            {
                rot(x,!f),rot(x,f);
            }
            else
            {
                rot(y,f),rot(x,f);
            }
        }
    }
    if(!goal) root=x;
}
int pre(int a)
{
    int x=root;
    int tmp;
    while(x)
    {
        if(val[x]==a)
            return x;
        if(val[x]<a) tmp=x;
        x=ch[x][val[x]<a];
    }
    return tmp;
}
int suc(int a)
{

    int x=root;
    int tmp;
    while(x)
    {
        if(val[x]==a)
            return x;
        if(val[x]>a) tmp=x;//为什么不用加v[x]<v[tmp],因为当遇到一个大于a的数时会一直向左走直到遇到小于a的数,而从遇到大于a的数后,数值都会比那个数小,也就是说后面找到的数一定越来越小。所以不用加,加的情况是找不到后继且原来建树没有加两个极值点。
        x=ch[x][val[x]<a];
    }
    return tmp;
}
void ins(int a)
{
    int x=root;
    while(ch[x][val[x]<a]) x=ch[x][val[x]<a];//找到加点的位置,即前驱和后继的这前。
    newnode(ch[x][val[x]<a],x,a);//将结点插入
    splay(ch[x][val[x]<a],0);
}
void del(int x)
{
    splay(x,0);
    int tmp=ch[root][1];
    while(ch[tmp][0]) tmp=ch[tmp][0];//找根结点的后继
    splay(tmp,root);//将后继伸展到根下面,这时成为了根结点的右儿子。
    ch[tmp][0]=ch[root][0];//将后继作为根结点,根结点删除
    p[ch[root][0]]=tmp;
    p[tmp]=0;
    root=tmp;
}
int main()
{
    int n,ty,a;
    while(scanf("%d",&n)!=EOF)
    {
        init();
        while(n--)
        {
            scanf("%d%d",&ty,&a);

            if(num[!ty])
            {
                int tmp1=pre(a),tmp2=suc(a);
                if(a-val[tmp1]<=val[tmp2]-a)
                {
                    ans+=a-val[tmp1];
                    ans%=mod;
                    del(tmp1);
                    num[!ty]--;
                }
                else
                {
                    ans+=val[tmp2]-a;
                    del(tmp2);
                    ans%=mod;
                    num[!ty]--;
                }
            }
            else
            {
                num[ty]++;
                ins(a);
            }
        }
        printf("%d\n",ans);
    }
}


内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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