2016夏季练习——线段树

线段树求区间最值
本文介绍了一种使用线段树求解区间最大值和最小值的方法,并提供了一个具体的实现示例。通过递归地构建和查询线段树,可以高效地解决区间最值问题。

来源:POJ3264

线段树的题目

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
int n,q;
const int MAXN = 200000+10;
const int N = 50000+10;
const int INF = 0x3f3f3f3f;
int mmax,mmin;
int a[MAXN];
struct Tree{
	int l,r;
	int mmax,mmin;//维护的值多了,就直接使用结构体
	Tree():mmax(0),mmin(0){}
};
Tree tree[MAXN*4];
void build(int rt,int l,int r){
	tree[rt].l=l;
	tree[rt].r=r;
	if(l==r){
		tree[rt].mmax=tree[rt].mmin=a[l];//当前是叶子节点的时候,我们想要维护的最大值和最小值其实是一个值
		return  ;
	}
	int mid=(l+r)>>1;
	build(rt<<1,l,mid);
	build(rt<<1|1,mid+1,r);
	tree[rt].mmax=max(tree[rt<<1].mmax,tree[rt<<1|1].mmax);
	tree[rt].mmin=min(tree[rt<<1].mmin,tree[rt<<1|1].mmin);
}
void query(int rt,int left,int right){
	//cout<<left<<" "<<right<<endl;
    if(tree[rt].mmax<=mmax&&tree[rt].mmin>=mmin) return ;//剪枝
	if(tree[rt].l==left&&tree[rt].r==right){
		mmax=max(mmax,tree[rt].mmax);
		mmin=min(mmin,tree[rt].mmin);
		return ;
	}
	int mid=(tree[rt].l+tree[rt].r)>>1;
	if(right<=mid) query(rt<<1,left,right);//注意,在单枝树转移的时候不要算进去mid,因为mid往往是区间之外的。
	else if(left>mid) query(rt<<1|1,left,right);//同理
	else{
		query(rt<<1,left,mid);
		query(rt<<1|1,mid+1,right);
	}
}
int main(){
	while(scanf("%d%d",&n,&q)!=EOF){
		for(int i=1;i<=n;i++){
			scanf("%d",a+i);
		}
		build(1,1,n);
		int a,b;
		for(int i=0;i<q;i++){
			scanf("%d%d",&a,&b);
			mmax=-INF;
			mmin=INF;
			query(1,a,b);
			//cout<<mmax<<" "<<mmin<<endl;
			cout<<mmax-mmin<<endl;
		}
	}
	return 0;
}


内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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