hdu 1754 I Hate It

本文介绍了一种使用C++语言实现的线段树数据结构,用于快速进行区间最大值查询与元素更新操作。通过构建线段树并利用递归方法实现节点更新和查询,该算法在复杂度上显著优于传统的遍历方法。

AC代码:

#include <iostream>
#include <cstdio>
#include <algorithm>
using namespace std;

const int N = 200005;

struct node{
    int l,r,maxn;
}tree[N<<2];
int a[N];

void build(int m,int l,int r){
    tree[m].l = l;
    tree[m].r = r;
    if(l == r){
        tree[m].maxn = a[l];
        return ;
    }
    int mid = (l+r)>>1;
    build(m<<1,l,mid);
    build((m<<1)|1,mid+1,r);
    tree[m].maxn = max(tree[m<<1].maxn,tree[(m<<1)|1].maxn);
}

void update(int m,int x,int val){
    if(tree[m].l == x && tree[m].r == x){
        tree[m].maxn = val;
        return ;
    }
    int mid = (tree[m].l+tree[m].r)>>1;
    if(x <= mid)
        update(m<<1,x,val);
    else
        update((m<<1)|1,x,val);
    tree[m].maxn = max(tree[m<<1].maxn,tree[(m<<1)|1].maxn);
}


int query(int m,int l,int r){
    if(tree[m].l == l && tree[m].r == r)
        return tree[m].maxn;
    int mid = (tree[m].l+tree[m].r)>>1;
    if(r <= mid)
        return query(m<<1,l,r);
    if(l > mid)
        return query((m<<1)|1,l,r);
    return max(query(m<<1,l,mid),query((m<<1)|1,mid+1,r));
}

int main(){
    int n,m;
    while(~scanf("%d%d",&n,&m)){
        for(int i = 1; i <= n; i++)
            scanf("%d",&a[i]);
        build(1,1,n);
        char op[10];
        int x,y;
        while(m--){
            scanf("%s%d%d",op,&x,&y);
            if(op[0] == 'Q'){
                printf("%d\n",query(1,x,y));
            }
            else if(op[0] == 'U'){
                update(1,x,y);
            }
        }
    }
    return 0;
}


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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