洛谷2253 好一个一中腰鼓!

本文介绍了一种使用线段树解决一中腰鼓问题的方法。通过维护节点状态,实现区间颜色翻转及查询最长交错颜色序列。代码实现了建立树、更新节点和查询功能。

题目:好一个一中腰鼓!


思路:单点修改的线段树。每一个节点维护当前区间的长度、最左和最右鼓的颜色和最长的交错前缀长和后缀长。注意边界问题。


代码:

#include<bits/stdc++.h>
using namespace std;

#define maxn 20000

struct Node {
	int len;
	int x,y;
	int lw,rw;
};

int n,m;
Node tr[maxn*4+5];

void make_tree(int o,int l,int r) {
	tr[o].len=r-l+1,tr[o].x=tr[o].y=tr[o].lw=tr[o].rw=1;
	if(r==l) return ;
	int mid=l+(r-l)/2;
	make_tree(o*2,l,mid),make_tree(o*2+1,mid+1,r);
}

int p;

void update(int o,int l,int r) {
	if(p<l||p>r) return ;
	if(l==r) {
		tr[o].x^=1,tr[o].y^=1;
		return ;
	}

	int mid=l+(r-l)/2;
	int lc=o*2,rc=o*2+1;
	update(lc,l,mid),update(rc,mid+1,r);

	tr[o].x=tr[lc].x,tr[o].y=tr[rc].y;
	tr[o].lw=tr[lc].lw,tr[o].rw=tr[rc].rw;
	if(tr[lc].y^tr[rc].x) {
		if(tr[lc].lw==tr[lc].len) tr[o].lw+=tr[rc].lw;
		if(tr[rc].rw==tr[rc].len) tr[o].rw+=tr[lc].rw;
	}
	return ;
}

int query(int o,int l,int r){    //注意不能在updata时直接处理询问
	if(l==r) return 1;

	int mid=l+(r-l)/2;
	int lc=o*2,rc=o*2+1;
	int ans1=query(lc,l,mid),ans2=query(rc,mid+1,r);

	return max(max(ans1,ans2),(tr[lc].y^tr[rc].x)?tr[rc].lw+tr[lc].rw:1);
}

int main() {
	scanf("%d%d",&n,&m);
	make_tree(1,1,n);
	for(int i=1; i<=m; i++) {
		scanf("%d",&p);
		update(1,1,n);
		int ans=query(1,1,n);
		printf("%d\n",ans);
	}
	return 0;
}


内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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