poj2104||hdu2665 归并树|划分树

本文介绍了一种解决区间查询问题的数据结构——划分树,并通过与归并树的对比,阐述了划分树的工作原理及查询过程。划分树采用类似于快速排序的思想对数据进行划分,并能在查询时高效地定位目标值。

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

这题是一道经典的一题多解,很多姿势都可以实现

题目大意:就是q个询问,问给定区间内的第k小数是多少,允许重复

姿势1:归并树


姿势2:划分树

这是一个很神奇的东西,网上很多都人云亦云,讲不清楚委屈

划分树其实是一个类似快排的思想,每次以区间的中位数为界,将区间划分成2个小块,左右块的数字还是保持原有的顺序

对比归并排序可以看到划分树把数字严格的划分开来,如果说归并树是自底朝上的排序的话,划分树就是自上而下的排序

对下面的数组a,以及将a排序后的b,红色部分是每次要划分到左子树的部分:


b:              [1 2 3 4 5 6 7]

a:              [1243]

          [1 2 4 3]            [5 6 7]

    [1 2]      [4 3]      [5 6]     [7]

  [1]   [2]   [3]  [4]   [5]  [6]


那么下面有2个问题:1.怎么建树 2.怎么查询


传统的建树实现比较复杂,那么我们换个思路,对于每一层建树,每一层维护两个数组

lsum:表示从区间的l位置到下标i有多少被安排到了左子树

t:表示这一层数字的排列情况

每一层的中位数到b里面可以找到,这里还要注意考虑重复数字的情况


那么查询的时候对于区间[l,r]的第k小数的时候,

令y=lsum[i][l-1],当l是当前区间的左边界的时候,y=0(否则右子树左边界就会错)

维护第i层该区间被分配到左子树的数字个数cnt=lsum[i][r]-y

如果cnt>=k,递归到左子树,访问的区间调整到[l+y,l+lsum[i][r]+1]找第k小,层数i+1

如果cnt<k  ,递归到右子树,访问的区间调整到[mid+1+l-a[k].l-y,mid+1+r-a[k].l-lsum[i][r]]找k-cnt小的,层数i+1


可以看到划分树每次做查询的时候数字都减半了,而且区间可以进行重定位

所以划分树的时空复杂度均为O(nlogn),很好很强大

但是如果要支持修改,划分树貌似就跪了

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <vector>
#include <map>
#define maxn 100010
using namespace std;
int n,m;
int s[maxn];
struct tree{
    int l,r;
}a[maxn*3];
int lsum[20][maxn],t[20][maxn];
void build(int l,int r,int k,int dep){
    a[k].l=l,a[k].r=r;
    if(l==r) return;
    int mid=(l+r)>>1;
    int low=0;
    for(int i=l;i<=r;i++){
        if(t[dep][i]<s[mid]) low++;
    }
    //cout<<l<<" "<<r<<endl;
    int lp=l,rp=mid+1,x;
    for(int i=l;i<=r;i++){
        x=t[dep][i];
        if(x<s[mid]) t[dep+1][lp++]=x;
        else if(x>s[mid]) t[dep+1][rp++]=x;
        else{
            if(low<mid-l+1) t[dep+1][lp++]=x,low++;
            else t[dep+1][rp++]=x;
        }
        //cout<<dep<<" "<<i<<" "<<lp-l<<endl;
        lsum[dep][i]=lp-l;
    }
    build(l,mid,k<<1,dep+1);
    build(mid+1,r,k<<1|1,dep+1);
}
int query(int l,int r,int z,int k,int dep){
    //cout<<l<<" "<<r<<" "<<z<<" "<<dep<<" "<<a[k].l<<" "<<a[k].r<<endl;
    if(a[k].l==a[k].r) return t[dep][l];
    int mid=(a[k].l+a[k].r)>>1,y;
    if(l==a[k].l) y=0;
    else y=lsum[dep][l-1];
    int tmp=lsum[dep][r]-y;
    //cout<<tmp<<endl;
    if(tmp>=z) return query(a[k].l+y,a[k].l+lsum[dep][r]-1,z,k<<1,dep+1);
    else return query(mid+1+l-a[k].l-y,mid+r-a[k].l+1-lsum[dep][r],z-tmp,k<<1|1,dep+1);
}
int main(){
    while(~scanf("%d%d",&n,&m)){
        for(int i=1;i<=n;i++)scanf("%d",&t[1][i]),s[i]=t[1][i];
        sort(s+1,s+1+n);
        build(1,n,1,1);
        int l,r,k;
        for(int i=0;i<m;i++){
            scanf("%d%d%d",&l,&r,&k);
            printf("%d\n",query(l,r,k,1,1));
        }
    }
    return 0;
}





内容概要:本文围绕直流微电网中带有恒功率负载(CPL)的DC/DC升压转换器的稳定控制问题展开研究,提出了一种复合预设性能控制策略。首先,通过精确反馈线性化技术将非线性不确定的DC转换器系统转化为Brunovsky标准型,然后利用非线性扰动观测器评估负载功率的动态变化输出电压的调节精度。基于反步设计方法,设计了具有预设性能的复合非线性控制器,确保输出电压跟踪误差始终在预定义误差范围内。文章还对比了多种DC/DC转换器控制技术如脉冲调整技术、反馈线性化、滑模控制(SMC)、主动阻尼法基于无源性的控制,并分析了它们的优缺点。最后,通过数值仿真验证了所提控制器的有效性优越性。 适合人群:从事电力电子、自动控制领域研究的学者工程师,以及对先进控制算法感兴趣的研究生及以上学历人员。 使用场景及目标:①适用于需要精确控制输出电压并处理恒功率负载的应用场景;②旨在实现快速稳定的电压跟踪,同时保证系统的鲁棒性抗干扰能力;③为DC微电网中的功率转换系统提供兼顾瞬态性能稳态精度的解决方案。 其他说明:文中不仅提供了详细的理论推导算法实现,还通过Python代码演示了控制策略的具体实现过程,便于读者理解实践。此外,文章还讨论了不同控制方法的特点适用范围,为实际工程项目提供了有价值的参考。
内容概要:该论文介绍了一种名为偏振敏感强度衍射断层扫描(PS-IDT)的新型无参考三维偏振敏感计算成像技术。PS-IDT通过多角度圆偏振光照射样品,利用矢量多层光束传播模型(MSBP)梯度下降算法迭代重建样品的三维各向异性分布。该技术无需干涉参考光或机械扫描,能够处理多重散射样品,并通过强度测量实现3D成像。文中展示了对马铃薯淀粉颗粒缓步类动物等样品的成功成像实验,并提供了Python代码实现,包括系统初始化、前向传播、多层传播、重建算法以及数字体模验证等模块。 适用人群:具备一定光学成像编程基础的研究人员,尤其是从事生物医学成像、材料科学成像领域的科研工作者。 使用场景及目标:①研究复杂散射样品(如生物组织、复合材料)的三维各向异性结构;②开发新型偏振敏感成像系统,提高成像分辨率对比度;③验证优化计算成像算法,应用于实际样品的高精度成像。 其他说明:PS-IDT技术相比传统偏振成像方法具有明显优势,如无需干涉装置、无需机械扫描、可处理多重散射等。然而,该技术也面临计算复杂度高、需要多角度数据采集等挑战。文中还提出了改进方向,如采用更高数值孔径(NA)物镜、引入深度学习超分辨率技术等,以进一步提升成像质量效率。此外,文中提供的Python代码框架为研究人员提供了实用的工具,便于理解应用该技术。
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