南阳-108-士兵杀敌(一)

本文介绍了一种基于完全二叉树的数据结构解决方案,用于快速计算区间内士兵的总杀敌数,适用于需要频繁查询的场景。

点击打开链接


士兵杀敌(一)

时间限制: 1000 ms  |  内存限制: 65535 KB
难度: 3
描述

南将军手下有N个士兵,分别编号1到N,这些士兵的杀敌数都是已知的。

小工是南将军手下的军师,南将军现在想知道第m号到第n号士兵的总杀敌数,请你帮助小工来回答南将军吧。

注意,南将军可能会问很多次问题。

输入
只有一组测试数据
第一行是两个整数N,M,其中N表示士兵的个数(1<N<1000000),M表示南将军询问的次数(1<M<100000)
随后的一行是N个整数,ai表示第i号士兵杀敌数目。(0<=ai<=100)
随后的M行每行有两个整数m,n,表示南将军想知道第m号到第n号士兵的总杀敌数(1<=m,n<=N)。
输出
对于每一个询问,输出总杀敌数
每个输出占一行
样例输入
5 2
1 2 3 4 5
1 3
2 4
样例输出
6
9

题解:最基本的完全二叉树。Query函数有两种写法,五个参数和三个参数

下面都有。

1.三个参数

#include<stdio.h>
#include<algorithm>
using namespace std;
struct Node{
	int l,r,sum;
}Tree[1000000<<2];
void PushUp(int o)
{
	Tree[o].sum=Tree[o*2].sum+Tree[o*2+1].sum;
}
void BuidTree(int o,int l,int r)
{
	Tree[o].l=l;
	Tree[o].r=r;
	if(l==r)
	{
		int t;
		scanf("%d",&t);
		Tree[o].sum=t;
		return ;
	}
	int mid=(l+r)>>1;
	BuidTree(o*2,l,mid);
	BuidTree(o*2+1,mid+1,r);
	PushUp(o);
}
int QuerySum(int o,int x,int y)
{
	if(Tree[o].l==x&&Tree[o].r==y)
		return Tree[o].sum;
	int mid=(Tree[o].l+Tree[o].r)>>1;
	if(x>mid)
		return QuerySum(o*2+1,x,y);
	else if(y<=mid)
		return QuerySum(o*2,x,y);
	else
		return QuerySum(o*2,x,mid)+QuerySum(o*2+1,mid+1,y);
}
int main()
{
	int n,a,b,m;
	scanf("%d%d",&n,&m);
	BuidTree(1,1,n);
	for(int i=1;i<=m;i++)
	{
		scanf("%d%d",&a,&b);
		printf("%d\n",QuerySum(1,a,b));
	}
	return 0;
 } 
2.五个参数

#include<stdio.h>
#include<algorithm>
using namespace std;
struct Node{
	int l,r,sum;
}Tree[1000000<<2];
void PushUp(int o)
{
	Tree[o].sum=Tree[o*2].sum+Tree[o*2+1].sum;
}
void BuidTree(int o,int l,int r)
{
	Tree[o].l=l;
	Tree[o].r=r;
	if(l==r)
	{
		int t;
		scanf("%d",&t);
		Tree[o].sum=t;
		return ;
	}
	int mid=(l+r)>>1;
	BuidTree(o*2,l,mid);
	BuidTree(o*2+1,mid+1,r);
	PushUp(o);
}
int QuerySum(int o,int l,int r,int x,int y)
{
	if(l==x&&y==r)
		return Tree[o].sum;
	int mid=(l+r)>>1;
	if(x>mid)
		return QuerySum(o*2+1,mid+1,r,x,y);
	else if(y<=mid)
		return QuerySum(o*2,l,mid,x,y);
	else
		return QuerySum(o*2,l,mid,x,mid)+QuerySum(o*2+1,mid+1,r,mid+1,y);
}
int main()
{
	int n,a,b,m;
	scanf("%d%d",&n,&m);
	BuidTree(1,1,n);
	for(int i=1;i<=m;i++)
	{
		scanf("%d%d",&a,&b);
		printf("%d\n",QuerySum(1,1,n,a,b));
	}
	return 0;
 } 




【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进步拓展至集成学习或多模型融合方向进行研究与优化。
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