bzoj2648 SJY摆棋子 k-d树

本文介绍了一个使用K-D Tree解决寻找最近黑色棋子问题的具体案例。通过构建K-D Tree并进行查询,有效地处理了大量棋子位置数据,实现了高效地找到白色棋子与最近黑色棋子之间的曼哈顿距离。

Description


这天,SJY显得无聊。在家自己玩。在一个棋盘上,有N个黑色棋子。他每次要么放到棋盘上一个黑色棋子,要么放上一个白色棋子,如果是白色棋子,他会找出距离这个白色棋子最近的黑色棋子。此处的距离是 曼哈顿距离 即(|x1-x2|+|y1-y2|) 。现在给出N<=500000个初始棋子。和M<=500000个操作。对于每个白色棋子,输出距离这个白色棋子最近的黑色棋子的距离。同一个格子可能有多个棋子。

kdtree可以过

Solution


hint已经很良心了,这题实际上和2714是一样的,练手

Code


#include <stdio.h>
#include <string.h>
#include <algorithm>
#define rep(i,st,ed) for (int i=st;i<=ed;++i)
#define min(x,y) ((x)<(y)?(x):(y))
#define max(x,y) ((x)>(y)?(x):(y))
const int INF=0x3f3f3f3f;
const int N=1000005;
struct treeNode{int d[2],min[2],max[2],l,r;}t[N];
int D,root,ans;
int read() {
    int x=0,v=1; char ch=getchar();
    for (;ch<'0'||ch>'9';v=(ch=='-')?(-1):(v),ch=getchar());
    for (;ch<='9'&&ch>='0';x=x*10+ch-'0',ch=getchar());
    return x*v;
}
bool cmp(treeNode a,treeNode b) {return a.d[D]<b.d[D]||a.d[D]==b.d[D]&&a.d[D^1]<b.d[D^1];}
void update(int x,int y) {
    t[x].min[0]=min(t[x].min[0],t[y].min[0]);
    t[x].min[1]=min(t[x].min[1],t[y].min[1]);
    t[x].max[0]=max(t[x].max[0],t[y].max[0]);
    t[x].max[1]=max(t[x].max[1],t[y].max[1]);
}
int get_dis(int now,int x,int y) {
    int ret=0;
    ret+=max(0,x-t[now].max[0]);
    ret+=max(0,t[now].min[0]-x);
    ret+=max(0,y-t[now].max[1]);
    ret+=max(0,t[now].min[1]-y);
    return ret;
}
void query(int now,int x,int y) {
    int w=std:: abs(t[now].d[0]-x)+std:: abs(t[now].d[1]-y);
    int dl=INF,dr=INF;
    ans=min(w,ans);
    if (t[now].l) dl=get_dis(t[now].l,x,y);
    if (t[now].r) dr=get_dis(t[now].r,x,y);
    if (dl<dr) {
        if (dl<ans) query(t[now].l,x,y);
        if (dr<ans) query(t[now].r,x,y);
    } else {
        if (dr<ans) query(t[now].r,x,y);
        if (dl<ans) query(t[now].l,x,y);
    }
}
void ins(int x) {
    int now=root; D=0;
    while (233) {
        update(now,x);
        if (t[x].d[D]<=t[now].d[D]) {
            if (!t[now].l) {t[now].l=x; return ;}
            now=t[now].l;
        } else {
            if (!t[now].r) {t[now].r=x; return ;}
            now=t[now].r;
        }
        D^=1;
    }
}
int buildTree(int l,int r,int dd) {
    D=dd; int mid=(l+r)>>1;
    std:: nth_element(t+l,t+mid,t+r+1,cmp);
    t[mid].min[0]=t[mid].max[0]=t[mid].d[0];
    t[mid].min[1]=t[mid].max[1]=t[mid].d[1];
    if (l<mid) t[mid].l=buildTree(l,mid-1,dd^1);
    if (mid<r) t[mid].r=buildTree(mid+1,r,dd^1);
    if (t[mid].l) update(mid,t[mid].l);
    if (t[mid].r) update(mid,t[mid].r);
    return mid;
}
int main(void) {
    int n=read(),m=read();
    rep(i,1,n) {
        t[i].d[0]=read();
        t[i].d[1]=read();
    }
    root=buildTree(1,n,0);
    rep(i,1,m) {
        int opt=read(),x=read(),y=read();
        if (opt==1) {
            n++;
            t[n].min[0]=t[n].max[0]=t[n].d[0]=x;
            t[n].min[1]=t[n].max[1]=t[n].d[1]=y;
            ins(n);
        } else {
            ans=INF;
            query(root,x,y);
            printf("%d\n", ans);
        }
    }
    return 0;
}
基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要:本文围绕基于STM32 F4的永磁同步电机(PMSM)无位置传感器控制策略展开研究,重点探讨在不依赖物理位置传感器的情况下,如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4,采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术,实现对电机反电动势或磁链的估算,进而完成无传感器矢量控制(FOC)。同时,研究涵盖系统建模、控制算法设计、仿真验证(可能使用Simulink)以及在STM32硬件平台上的代码实现与调试,旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群:具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标:①掌握永磁同步电机无位置传感器控制的核心原理与实现方法;②学习如何在STM32平台上进行电机控制算法的移植与优化;③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议:建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习,有条件者应在实验平台上进行验证,重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
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