树状数组

树状数组其实是对一个数组tree_a的区间元素总合的进行管理,将其元素按一定规律,整合放到另外一个数组tree_c中保存。当tree_a需要多次取和的时候,只需分析其区间,结合存放的规律将其取出,而免去n项合需要求n次的麻烦。


1.lowbit的理解:

lowbit 返回的是 2^k,其中k为从最低位起,第一个1的位置(从0数起)。-x为x的补码,即取反+1。试着这么假设一下,如果单单取反,那么&运算之后就为0,此时-x不是反码而是补码,要加1,这个+1对于-x的二进制是怎样的影响,其实就取决于x从最低位起,第一个为1的位置,比如x = 0bxxxxx100,反码为yyyyy011,其中y表示x对应的取反这里我们只关注后三位,可以看到+1后变0byyyyy100只会影响到最低位为1的位置,后面不受影响。这样&之后就变成0b00000100。可以看到,其实lowbit是把x的最低位的1取出保留,其他全部置0.

int lowbit(int x)
{
    return x & (-x);
}

2.更新


int add(int x,int data)
{
    int i;
    for(i = x;i <= maxsize;i += lowbit(i))
    {
        tree_c[i] += data;
    }
}

3.查询(即算区间内元素和)

int getsum(int x)
{
    int i;
    int sum;
    for(i = x;i > 0;i -= lowbit(i))
    {
        sum += tree_c[i];
        
    }
}

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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