bzoj2648 SJY摆棋子

本文探讨了一种结合KD树和主席树的数据结构算法,用于处理动态插入和查询二维空间中的点,以求解曼哈顿距离最近点问题。算法通过维护子树中节点的x、y坐标范围,实现高效查询和更新。

https://www.lydsy.com/JudgeOnline/problem.php?id=2648

如果是带插入的话就要写动态生成节点了,类似主席树的写法。

下题是求曼哈顿距离,曼哈顿距离可以维护每个子树中所有节点的x的最大最小值,y的最大最小值,然后query的时候计算左右子树的非法值,非法值是指在这个子树的超平面(也就是x,y范围外的和)外的和,左子树大还是右子树大,就先去哪里,如果非法值已经超过了当前记录的ans的话,就不去那个子树找了。

这个复杂度我感觉还是很玄学,

#include<bits/stdc++.h>
using namespace std;

const int maxl=5e5+10;

int n,m,idx,cnt,root,ans;
struct point
{
	int x[2];
	bool operator < (const point &b)const
	{
		return x[idx]<b.x[idx];
	}
}a[maxl];
struct kdtree
{
	int ls,rs,mi[2],mx[2];
	point p;
}tree[maxl<<2];

inline void push_up(int k)
{
	int s;
	if(tree[k].ls)
	{
		s=tree[k].ls;
		for(int i=0;i<2;i++)
		{
			tree[k].mx[i]=max(tree[k].mx[i],tree[s].mx[i]);
			tree[k].mi[i]=min(tree[k].mi[i],tree[s].mi[i]);
		}
	}
	if(tree[k].rs)
	{
		s=tree[k].rs;
		for(int i=0;i<2;i++)
		{
			tree[k].mx[i]=max(tree[k].mx[i],tree[s].mx[i]);
			tree[k].mi[i]=min(tree[k].mi[i],tree[s].mi[i]);
		}
	}
}

inline void build(int &k,int l,int r,int d)
{
	idx=d;k=++cnt;
	int mid=(l+r)>>1;
	nth_element(a+l,a+mid,a+r+1);
	tree[k].p=a[mid];
	for(int i=0;i<2;i++)
		tree[k].mx[i]=tree[k].mi[i]=a[mid].x[i];
	if(l<mid)
		build(tree[k].ls,l,mid-1,d^1);
	if(mid<r)
		build(tree[k].rs,mid+1,r,d^1);
	push_up(k); 
}

inline void insert(int &k,point pt,int d)
{
	if(!k)
	{
		k=++cnt;
		for(int i=0;i<2;i++)
			tree[k].mx[i]=tree[k].mi[i]=pt.x[i];
		tree[k].p=pt;
		return;
	}
	idx=d;
	if(pt<tree[k].p) insert(tree[k].ls,pt,d^1);
	else	insert(tree[k].rs,pt,d^1);
	push_up(k);
}

inline void prework()
{
	scanf("%d%d",&n,&m);
	for(int i=1;i<=n;i++)
		scanf("%d%d",&a[i].x[0],&a[i].x[1]);
	build(root,1,n,0);
}

inline int dist(point a,point b)
{
	return abs(a.x[0]-b.x[0])+abs(a.x[1]-b.x[1]);
}

inline int calc(int k,point p)
{
	int ret=0;
	for(int i=0;i<2;i++)
	{
		ret+=max(0,tree[k].mi[i]-p.x[i]);
		ret+=max(0,p.x[i]-tree[k].mx[i]);
	}
	return ret;
}

inline void query(int k,point pt,int d)
{
	if(!k) return;
	ans=min(ans,dist(pt,tree[k].p));
	int lv=2e9,rv=2e9;
	if(tree[k].ls) lv=calc(tree[k].ls,pt);
	if(tree[k].rs) rv=calc(tree[k].rs,pt);
	if(lv<rv)
	{
		if(lv<ans) query(tree[k].ls,pt,d^1);
		if(rv<ans) query(tree[k].rs,pt,d^1);
	}
	else
	{
		if(rv<ans) query(tree[k].rs,pt,d^1);
		if(lv<ans) query(tree[k].ls,pt,d^1);
	}
}

inline void mainwork()
{
	int op,x,y;point d;
	for(int i=1;i<=m;i++)
	{
		scanf("%d%d%d",&op,&x,&y);
		d.x[0]=x;d.x[1]=y;
		if(op==1)
			insert(root,d,0);
		else
		{
			ans=2e9;
			query(root,d,0);
			printf("%d\n",ans);
		} 
	}
}

int main()
{
	prework();
	mainwork();
	return 0;
}

但是只能假装是sqrt(n)....

需求响应动态冰蓄冷系统与需求响应策略的优化研究(Matlab代码实现)内容概要:本文围绕需求响应动态冰蓄冷系统及其优化策略展开研究,结合Matlab代码实现,探讨了在电力需求侧管理背景下,冰蓄冷系统如何通过优化运行策略参与需求响应,以实现削峰填谷、降低用电成本和提升能源利用效率的目标。研究内容包括系统建模、负荷预测、优化算法设计(如智能优化算法)以及多场景仿真验证,重点分析不同需求响应机制下系统的经济性和运行特性,并通过Matlab编程实现模型求解与结果可视化,为实际工程应用提供理论支持和技术路径。; 适合人群:具备一定电力系统、能源工程或自动化背景的研究生、科研人员及从事综合能源系统优化工作的工程师;熟悉Matlab编程且对需求响应、储能优化等领域感兴趣的技术人员。; 使用场景及目标:①用于高校科研中关于冰蓄冷系统与需求响应协同优化的课题研究;②支撑企业开展楼宇能源管理系统、智慧园区调度平台的设计与仿真;③为政策制定者评估需求响应措施的有效性提供量化分析工具。; 阅读建议:建议读者结合文中Matlab代码逐段理解模型构建与算法实现过程,重点关注目标函数设定、约束条件处理及优化结果分析部分,同时可拓展应用其他智能算法进行对比实验,加深对系统优化机制的理解。
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