HDU 1556 Color the ball

本文介绍了一种使用树状数组和前缀数组解决特定问题的方法,通过对比两种数组的操作,展示了如何利用树状数组进行高效更新和查询,以及前缀数组在简单区间操作中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

转载请注明出处:http://blog.youkuaiyun.com/a1dark

分析:学树状数组的时候遇到了这题、仔细一看发现可以用前缀数组轻松AC、于是便用前缀数组AC之、代码如下:

 

#include<stdio.h>
#include<string.h>
int a[100005];
int main(){
    int n,x,y,i;
    while(scanf("%d",&n)!=EOF){
    memset(a,0,sizeof(a));
    if(n==0)break;
    for(i=1;i<=n;i++){
        scanf("%d%d",&x,&y);
        a[x]++;a[y+1]--;
    }
    for(i=2;i<=n;i++)
        a[i]+=a[i-1];
    for(i=1;i<=n;i++){
        if(i==1)
            printf("%d",a[i]);
        else
        printf(" %d",a[i]);
    }
    printf("\n");
    }
    return 0;
}


但是毕竟是在学树状数组、所以还是用树状数组再次AC之、

 

 

#include<stdio.h>
#include<string.h>
int sum[100005];
int n;
int lowbit(int x){
    return x&(-x);
}
int getsum(int x){
    int s=0;
    while(x>0){
        s+=sum[x];
        x-=lowbit(x);
    }
    return s;
}
void update(int x,int num){
    while(x<=n){
        sum[x]+=num;
        x+=lowbit(x);
    }
}
int main(){
    int i,x,y;
    while(scanf("%d",&n)!=EOF){
        if(n==0)break;
        memset(sum,0,sizeof(sum));
        for(i=1;i<=n;i++){
            scanf("%d%d",&x,&y);
            update(x,1);
            update(y+1,-1);
        }
        for(i=1;i<=n;i++){
            printf("%d",getsum(i));
            if(i<n)printf(" ");
        }
        printf("\n");
    }
    return 0;
}

 

至于 线段树的方法就不写了、毕竟是道模板题、

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
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