洛谷P2894 [USACO08FEB]酒店Hotel_区间更新_区间查询

Code:

#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 200000+5;
int n,m,k;
struct Segment_Tree{
    int lazy,left,right,maxv;
}Seg[N<<2];
inline void push_down(int o,int l,int r)
{
    if(Seg[o].lazy == -1 || l==r)return;
    int mid = (l+r)>>1;
    int lz = Seg[o].lazy, ls=o<<1, rs=(o<<1)|1;                                             
    Seg[ls].lazy = Seg[rs].lazy = lz;                           
    Seg[ls].maxv = lz==0 ? mid-l+1: 0;                                
    Seg[rs].maxv = lz==0 ?  r-mid:  0;                                 
    Seg[ls].left = Seg[ls].right = Seg[ls].maxv;                   
    Seg[rs].left = Seg[rs].right = Seg[rs].maxv;        
    Seg[o].lazy  = -1;                                                    
}
inline void update_seg(int o,int l,int r)
{
    int mid = (l+r)>>1, ls=o<<1, rs=(o<<1)|1;
    Seg[o].maxv  = max(Seg[ls].maxv, Seg[rs].maxv);
    Seg[o].maxv  = max(Seg[o].maxv, Seg[ls].right+Seg[rs].left);
    Seg[o].left  = Seg[ls].maxv == mid-l+1 ? Seg[ls].maxv+Seg[rs].left : Seg[ls].left;
    Seg[o].right = Seg[rs].maxv == r-mid   ? Seg[rs].maxv+Seg[ls].right: Seg[rs].right;
}
void build_Tree(int l,int r,int o){
    if(l>r)return;
    if(l==r)
    {
        Seg[o].left = Seg[o].right = Seg[o].maxv = 1;
        Seg[o].lazy = -1;
        return;
    }
    int mid = (l+r)>>1, ls=o<<1, rs=(o<<1)|1;
    build_Tree(l,mid,ls);
    build_Tree(mid+1,r,rs);
    update_seg(o,l,r);
    Seg[o].lazy = -1;
}
void update(int L,int R,int l,int r,int val,int o){
    if(L>R)return;
    if(L>=l&&R<=r)
    {
        Seg[o].lazy = val;
        Seg[o].maxv = (val==0)?R-L+1: 0;
        Seg[o].left = Seg[o].right = Seg[o].maxv;        
        return;
    }
    push_down(o,L,R);
    int mid = (L+R)>>1,ls=o<<1, rs=(o<<1)|1;
    if(l<=mid) update(L,mid,l,r,val,ls);
    if(r>mid)  update(mid+1,R,l,r,val,rs);
    update_seg(o,L,R);
}
int query(int o,int l,int r){
    int mid=(l+r)>>1, ls=o<<1, rs=(o<<1)|1, ans;
    push_down(o,l,r);
    if(Seg[o].left >= k)
        ans = l;
	else if(Seg[ls].maxv >=k )
        ans = query(ls,l,mid);
	else if(Seg[ls].right+Seg[rs].left >= k)           
        ans = mid+1-Seg[ls].right;
	else  
        ans = query( rs ,mid+1,r);
    update_seg(o,l,r);
    return ans;
}
inline int solve_1(){
    if(Seg[1].maxv < k)return 0;
    return query(1,1,n);
}
int main()
{
  //  freopen("in.txt","r",stdin);
   // freopen("out.txt","w",stdout);
    scanf("%d%d",&n,&m);
    build_Tree(1,n,1);
    while(m--)
    {
        int op,x,y;
        scanf("%d%d",&op,&x);
        if(op==1)
        {
            k=x;
            int ans=solve_1();
            printf("%d\n",ans);
            if(ans!=0)update(1,n,ans,ans+k-1,1,1);
        }
        if(op==2)
        {
            scanf("%d",&y);
            update(1,n,x,x+y-1,0,1);
        }
    }
    return 0;                                           
}

  

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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