[HNOI2002]营业额统计 Splay tree

本文探讨了在特定在线裁判平台上的数据结构操作与算法优化技巧,包括元素查找、插入和更新过程,以及如何通过前驱和后继节点比较大小进行高效处理。

不知道为什么,在bzoj wa了,在另个oj ac 了。。

就是每次插入一个数,如果有过,直接跳过。

如果没有,分别找前驱和后继,比大小。

#include <iostream>
#include <cstdio>
using namespace std;
typedef long long ll;
#define maxn 110000
#define inf 0x3f3f3f3f
struct Node {
    int val;
    ll sum;
    ll add;
    Node* ch[2], *f;
    int size;
    void init() {
        f = ch[0] = ch[1] = NULL;
        size = 1;
        add = 0;
    }
    void rot(int c) {
        Node *y = f,*z = y->f;
        y->ch[!c] = ch[c]; if(ch[c]) ch[c]->f = y;
        f = z;
        if(z) if(z->ch[0] == y) z->ch[0] = this; else z->ch[1] = this;
        ch[c] = y; y->f = this;
        y->update();
    }
    void splay(Node* fa) {
        for(push_down();f != fa;){
            if(f->f == fa){
                if(f->ch[0] == this) rot(1);
                else rot(0);
            } else {
                Node* y=f, *z = y->f;
                if(y->ch[0] == this) {
                    if(z->ch[0] == y){
                        y->rot(1);rot(1);
                    } else {
                        rot(1);rot(0);
                    }
                } else {
                    if(z->ch[0] != y) {
                        y->rot(0);rot(0);
                    } else {
                        rot(0);rot(1);
                    }
                }
            }
        }
        update();
    }
    Node* find(int r){
        push_down();
        int L = 0; if(ch[0]) L += ch[0]->size;
        if(r <= L){
            return ch[0]->find(r);
        }
        if(r == L + 1){
            return this;
        }
        return ch[1]->find(r - L - 1);
    }
    void update() {
        size = 1;
        if(ch[0]) size += ch[0]->size;
        if(ch[1]) size += ch[1]->size;
        sum = val;
        if(ch[0]) sum += ch[0]->sum;
        if(ch[1]) sum += ch[1]->sum;
    }
    void push_down() {
        if(add){
            if(ch[0]) {
                ch[0]->add += add; ch[0]->val += add;
                ch[0]->sum += ch[0]->size * add;
            }
            if(ch[1]) {
                ch[1]->add += add; ch[1]->val += add;
                ch[1]->sum += ch[1]->size * add;
            }
        }
        add = 0;
    }
}dd[maxn];
Node* root;
int e;
inline Node* _alloc() {dd[e].init(); return &dd[e++];}
int d[maxn];
int ins(int u){
    Node* r = root;
    Node* tp;
    while(true){
        if(r->val == u){
            r->splay(NULL);
            root = r;
            return 0;
        }
        tp = r->ch[r->val < u];
        //r = r->ch[r->value < u];
        if(tp == NULL){
           Node* tp = _alloc();
           tp->f = r;
           r->ch[r->val < u] = tp;
           tp->ch[0] = tp->ch[1] = NULL;
           tp->val = u;
           tp->splay(NULL);
           root = tp;
           return 1; 
        }
        r = tp;
    }
}
int finds(int tp){
    Node* r = root->ch[0];
    if(r == NULL) return inf;
    while(r->ch[1]!=NULL) r = r->ch[1];
    return tp - r->val;
}
int findt(int tp){
    Node* r = root->ch[1];
    if(r == NULL) return inf;
    while(r->ch[0]!=NULL) r = r->ch[0];
    return r->val - tp;
}
int main() {
    int n;
    int tp;
    while(~scanf("%d",&n)) {
        root = NULL;
        ll sum = 0;
        scanf("%d",&tp);
        sum += tp;
        root = _alloc();
        root->ch[0] = root->ch[1] = NULL;
        root ->val = tp;
        for(int i=0;i<n-1;++i){
            scanf("%d",&tp);
            if(ins(tp) == 0) continue;
            int s = finds(tp);
            int t = findt(tp);
            sum += min(s,t);
        }
        cout<<sum<<endl;
    }
    return 0;
}


提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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