HDU 4027——线段树加奇怪的lazy

本文探讨了在处理区间更新与查询问题时如何使用懒惰更新策略优化线段树,通过避免不必要的区间更新操作来提升算法效率。详细介绍了线段树的基本概念、懒惰标记的应用以及具体实现步骤,旨在帮助读者理解和掌握这一高效的数据结构优化方法。

一看就是成段更新需要lazy,使劲一个一个更新肯定是不行的。。。

思路是判断要不要更新每个区间,有的时候是不需要更新的,然后标记成lazy以后不更新就好了。。

之前一直不是很理解lazy还是,现在也是略懂状态。。总之继续努力吧。。蒟蒻。。

#include<stdio.h>
#include<iostream>
#include<cmath>
#include<cstring>
using namespace std;
const int MAX=1000000;
struct pr {
    long long sum;
    int lazy;
    int left,right;					//对应区间,注意区别rr,ll
}tr[MAX+10];
int n;
inline int ll(int k) {return 2*k;} 		 //左边的下标
inline int rr(int k) {return 2*k+1;}		 //右边的下标
inline int mid(int kk1,int kk2) {return (kk1+kk2)>>1;}

void pushdown(int k) {
    if (tr[k].lazy==0) {							
        int l=tr[k].left,r=tr[k].right;
        if(tr[k].sum==(r-l+1)){		
            tr[k].lazy=1;
        }
    }
}

void build(int k,int s,int t) {
    tr[k].left=s;tr[k].right=t;
    if(s==t) {scanf("%lld",&tr[k].sum);return;}				//开始最下面是多少
    build(ll(k),s,mid(s,t));
    build(rr(k),mid(s,t)+1,t);
    tr[k].sum=tr[ll(k)].sum+tr[rr(k)].sum;		
}

void modify(int k,int s,int t) {
    int l=tr[k].left,r=tr[k].right;
    if(tr[k].lazy&&s==l&&r==t){
        return ;
    }
    if(l==r){
        tr[k].sum=(long long)(floor(sqrt(tr[k].sum)+1e-5));
        return ;
    }
    int mi=mid(l,r);
    if(t<=mi) modify(ll(k),s,t);
    else if(s>mi) modify(rr(k),s,t);
    else {
        modify(ll(k),s,mi);
        modify(rr(k),mi+1,t);
    }
    tr[k].sum=tr[ll(k)].sum+tr[rr(k)].sum;
    pushdown(k);
}
long long query(int k,int s,int t) {
    int l=tr[k].left,r=tr[k].right;
    if(l==s&&r==t) return tr[k].sum;
    int mi=mid(l,r);
    long long res=0;
    if (t<=mi) res+=query(ll(k),s,t);
    else if(s>mi) res+=query(rr(k),s,t);
    else res+=(query(ll(k),s,mi)+query(rr(k),mi+1,t));
    return res;
}
int main()
{
    int ii=1;
    while(cin>>n){

        memset(tr,0,sizeof(tr));
        build(1,1,n);
        cout<<"Case #"<<ii++<<":"<<endl;
        int m;
        cin>>m;
        int a,b,c;
        for(int i=0;i<m;i++){
            scanf("%d%d%d",&a,&b,&c);
            if(b>c)
                swap(b,c);
            if(a==0){
                modify(1,b,c);
            }
            else
                cout<<query(1,b,c)<<endl;
        }
        cout<<endl;
    }
    return 0;
}


基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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