lightoj1207Posters_For_Election&&POJ2528

本文详细介绍了线段树的学习方法,包括使用线段树的原因、lazy标记的作用、离散化的必要性及其技巧,并通过具体代码示例展示了如何解决实际问题。

线段树怎么学?刷题!(每个专题都是这种方法咯)


为什么要用线段树?因为暴力会超时:n最大是1e5,从后往前枚举的话,需要枚举当前这个点是不是被之后的所有点覆盖过,如果覆盖过就不是当前颜色;否则,ans++

这种方法是肯定超时的


为什么要用lazy标记?因为很有可能出现第2次涂色2-8区间,第3、4、5、6、7、……一直涂色2-8区间的,那么只需要改那个标记就好,什么时候需要改子区间了,再把lazy标记下放就好,跟这个题是一样的套路:lazy标记


为什么要用离散化?因为数据太大,而且大得没有意义!一方面数值太大容易超时,另一方面,所需要的答案是多少根线段,与线段的长度并没有关系,所以只需要知道线段端点的相对大小而不是绝对大小,对每个值排序,知道相对位置就好

举例:http://blog.youkuaiyun.com/lyy289065406/article/details/6799170


为什么离散化,端点相邻的,需要把相邻的值改成不相邻,把后者加1?因为会出现错误!举样例就会明白,去画几个非常端点接近的情况,会发现如果有相邻情况会漏掉某些线段,如:1-10,1-6,7-10三条线段明显是三个颜色,1-6,6-7,7-10;但是离散化之后就会错了


为什么需要二分?快速判断当前的线段属于哪个颜色(用第i次涂色的选择的线段表示)


下面贴代码就很容易理解了:

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;

#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1

const int maxn=111111;

bool hash[maxn<<2];
int li[maxn],ri[maxn];
int X[maxn<<3];
int col[maxn<<4];
int cnt;

void PushDown(int rt){
	if (col[rt]!=-1){
		col[rt<<1]=col[rt<<1|1]=col[rt];
		col[rt]=-1;
	}
}

void update(int L,int R,int c,int l,int r,int rt){
	if (L<=l&&r<=R){
		col[rt]=c;
		return;
	}
	PushDown(rt);
	int m=(l+r)>>1;
	if (L<=m) update(L,R,c,lson);
	if (R>m) update(L,R,c,rson);
}

void query(int l,int r,int rt){
	if (col[rt]!=-1){
		if (!hash[col[rt]]) cnt++;
		hash[col[rt]]=true;
		return;
	}
	if (l==r) return;
	int m=(l+r)>>1;
	query(lson);
	query(rson);
}

int Bin(int key,int n,int X[]){
	int l=0,r=n-1;
	while(l<=r){
		int m=(l+r)>>1;
		if (X[m]==key) return m;
		if (X[m]<key) l=m+1;
		else r=m-1;
	}
	return -1;
}

int main(){
	//freopen("input.txt","r",stdin);
	int T,n;
	scanf("%d",&T);
	for(int Case=1;Case<=T;Case++){
		scanf("%d",&n);
		int nn=0;
		for(int i=0;i<n;i++){
			scanf("%d%d",&li[i],&ri[i]);
			X[nn++]=li[i];
			X[nn++]=ri[i];
		}
		sort(X,X+nn);
		int m=1;
		for(int i=1;i<nn;i++)
			if (X[i]!=X[i-1]) X[m++]=X[i];
		for(int i=m-1;i>0;i--)
			if (X[i]!=X[i-1]+1) X[m++]=X[i-1]+1;
		sort(X,X+m);
		memset(col,-1,sizeof(col));
		for(int i=0;i<n;i++){
			int l=Bin(li[i],m,X);
			int r=Bin(ri[i],m,X);
			update(l,r,i,0,m,1);
		}
		cnt=0;
		memset(hash,false,sizeof(hash));
		query(0,m,1);
		printf("Case %d: %d\n",Case,cnt);
	}
	return 0;
}


【复现】并_离网风光互补制氢合成氨系统容量-调度优化分析(Python代码实现)内容概要:本文围绕“并_离网风光互补制氢合成氨系统容量-调度优化分析”的主题,提供了基于Python代码实现的技术研究与复现方法。通过构建风能、太阳能互补的可再生能源系统模型,结合电解水制氢与合成氨工艺流程,对系统的容量配置与运行调度进行联合优化分析。利用优化算法求解系统在不同运行模式下的最优容量配比和调度策略,兼顾经济性、能效性和稳定性,适用于并网与离网两种场景。文中强调通过代码实践完成系统建模、约束设定、目标函数设计及求解过程,帮助读者掌握综合能源系统优化的核心方法。; 适合人群:具备一定Python编程基础和能源系统背景的研究生、科研人员及工程技术人员,尤其适合从事可再生能源、氢能、综合能源系统优化等相关领域的从业者;; 使用场景及目标:①用于教学与科研中对风光制氢合成氨系统的建模与优化训练;②支撑实际项目中对多能互补系统容量规划与调度策略的设计与验证;③帮助理解优化算法在能源系统中的应用逻辑与实现路径;; 阅读建议:建议读者结合文中提供的Python代码进行逐模块调试与运行,配合文档说明深入理解模型构建细节,重点关注目标函数设计、约束条件设置及求解器调用方式,同时可对比Matlab版本实现以拓宽工具应用视野。
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