【RMQ】区间问题

题目描述

现给你n(n≤106)个整数,有k(0<k≤106)个询问,对于每个询问(L,R),回答(L,R)内的最大值为多少。

输入

输入共计2行。第一行两个整数n和k;第二行为n个整数,第三行到第k+2行为k个询问。

输出

共k行,每行为一个询问的最大值。

样例输入

10 2
3 2 4 5 6 8 1 2 9 7
1 8
2 9

样例输出

8
9

求区间最值,用rmq算法或树状数组求解

代码如下:

树状数组

#include <iostream>
#include <stdio.h>
#include <stdlib.h>
using namespace std;
 
const int MAXN =1000005;
int a[MAXN], h[MAXN];
int n, m;
 
int lowbit(int x)
{
    return x & (-x);
}
void updata(int x)
{
    int lx, i;
    while (x <= n)
    {
        h[x] = a[x];
        lx = lowbit(x);
        for (i=1; i<lx; i<<=1)
            h[x] = max(h[x], h[x-i]);
        x += lowbit(x);
    }
}
int query(int x, int y)
{
    int ans = 0;
    while (y >= x)
    {
        ans = max(a[y], ans);
        y --;
        for (; y-lowbit(y) >= x; y -= lowbit(y))
            ans = max(h[y], ans);
    }
    return ans;
}
int main()
{
    int i, j, x, y, ans;
    char c;
    while (scanf("%d%d",&n,&m)!=EOF)
    {
        for (i=1; i<=n; i++)
            h[i] = 0;
        for (i=1; i<=n; i++)
        {
            scanf("%d",&a[i]);
            updata(i);
        }
        for (i=1; i<=m; i++)
        {
 
                scanf("%d%d",&x,&y);
                ans = query(x, y);
                printf("%d\n",ans);
 
        }
    }
    return 0;
}

rmq:

#include<iostream>
#include<stdio.h>
#include<math.h>
using namespace std;
int n,k,a[1000005];
int f[1000005][26];
void rmq()
{
    for(int i=1;i<=n;i++)
       f[i][0]=a[i];
    for(int j=1;(1<<j)<=n;j++)
      for(int i=1;i+(1<<j)-1<=n;i++)
        f[i][j]=max(f[i][j-1],f[i+(1<<(j-1))][j-1]);
}
int find(int l,int r)
{
    int k=trunc(log2(r-l+1));
    return max(f[l][k],f[r-(1<<k)+1][k]);
}
int main()
{
    scanf("%d%d",&n,&k);
    for(int i=1;i<=n;i++)
      scanf("%d",&a[i]);
    rmq();
    int l,r;
    for(int i=1;i<=k;i++)
    {
        scanf("%d%d",&l,&r);
        printf("%d\n",find(l,r));
    }
    return 0;
}








内容概要:本文档详细介绍了如何在MATLAB环境下实CNN-GRU(卷积门控循环单元)混合模型的多输入单输出回归预测。项目旨在通过融合CNN的局部特征提取能力和GRU的时序依赖捕捉能力,解决传统序列模型在处理非线性、高维、多输入特征数据时的局限性。文档涵盖了项目背景、目标、挑战及其解决方案,强调了模型的轻量化、高效性和可视化全流程追踪等特点。此外,还提供了具体的应用领域,如智能电网负荷预测、金融时间序列建模等,并附有详细的代码示例,包括数据加载与预处理、网络结构定义、训练选项设置、模型训练与预测以及结果可视化等步骤。; 适合人群:对深度学习有一定了解,特别是对时间序列预测感兴趣的科研人员或工程师。; 使用场景及目标:①需要处理多输入单输出的非线性回归预测任务;②希望在MATLAB平台上快速实并优化深度学习模型;③寻求一种高效、轻量且具有良好泛化能力的预测模型应用于实际场景中,如智能电网、金融分析、交通流量预测等领域。; 阅读建议:由于文档内容涉及较多的技术细节和代码实,建议读者先熟悉CNN和GRU的基本概念,同时掌握MATLAB的基础操作。在阅读过程中,可以结合提供的代码示例进行实践操作,以便更好地理解和掌握CNN-GRU混合模型的构建与应用。
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