线段树

线段树用来维护区间,常用来处理与区间相关的问题。

模版题:敌兵布阵

题意:给一个1到n的区间,以及每个点的初始值,然后会再区间上进行操作:修改区间中某一点的值,以及询问一个区间中所有点的和。

思路:用线段树维护整个区间上的值,然后就是单点更新,以及区间求和。

代码:

#include<cstdio>
#include<iostream>
#define ll long long
using namespace std;

const ll M=50100;

struct N
{
    int l,r,v;
    int mid()
    {
        return (l+r)/2;
    }
}tree[M<<2];

void build(int rt,int l,int r)
{
    tree[rt].l=l;tree[rt].r=r;
    if(l==r)
    {
        scanf("%d",&tree[rt].v);
        return ;
    }
    build(rt*2,l,tree[rt].mid());
    build(rt*2+1,tree[rt].mid()+1,r);
    tree[rt].v=tree[rt*2].v+tree[rt*2+1].v;
}

void update(int rt,int p,int v)
{
    if(tree[rt].l==tree[rt].r)
    {
        tree[rt].v+=v;
        return;
    }
    if(p<=tree[rt].mid())update(rt*2,p,v);
    else update(rt*2+1,p,v);
    tree[rt].v=tree[rt*2].v+tree[rt*2+1].v;
}

int query(int rt,int l,int r)
{
    if(tree[rt].l==l&&tree[rt].r==r)return tree[rt].v;
    if(r<=tree[rt].mid())return query(rt*2,l,r);
    else if(l>tree[rt].mid())return query(rt*2+1,l,r);
    else return query(rt*2,l,tree[rt].mid())+query(rt*2+1,tree[rt].mid()+1,r);
}


int main()
{
    int t,tt=1;
    scanf("%d",&t);
    while(t--)
    {
        int n,a,b;
        char s[20];
        scanf("%d",&n);
        build(1,1,n);
        printf("Case %d:\n",tt++);
        while(scanf("%s",s)==1&&s[0]!='E')
        {
            if(s[0]=='A')
            {
                scanf("%d%d",&a,&b);
                update(1,a,b);
            }
            else if(s[0]=='S')
            {
                scanf("%d%d",&a,&b);
                update(1,a,-b);
            }
            else if(s[0]=='Q')
            {
                scanf("%d%d",&a,&b);
                printf("%d\n",query(1,a,b));
            }
        }
    }
    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