SBT模板

本文介绍了SBT树(Splay Tree)的相关操作,包括右旋、左旋、维护SBT树性质的函数,以及插入、查找、删除节点的方法。通过这些操作,可以高效地进行数据的增删查改。

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

#include<stdio.h>
#include<string.h>
using namespace std;
#define mm 111111
#define mn 33333
int L[mm],R[mm],S[mm],V[mm];
bool p[mm]={0};
int i,x,y,n,a,tt,root,ans;
void RR(int &t)//右旋左节点存在的情况下
{
    int k=L[t];
    L[t]=R[k];
    R[k]=t;
    S[k]=S[t];
    S[t]=S[L[t]]+S[R[t]]+1;
    t=k;
}
void LR(int &t)//左旋
{
    int k=R[t];
    R[t]=L[k];
    L[k]=t;
    S[k]=S[t];
    S[t]=S[L[t]]+S[L[t]]+1;
    t=k;
}
void maintain(int &t,bool flag)//维护sbt树 保证sbt树的性质
{
    if(flag)
        if(S[R[R[t]]]>S[L[t]])
            LR(t);
        else
        if(S[L[R[t]]]>S[L[t]])
            RR(R[t]),LR(t);
        else return;
    else
        if(S[L[L[t]]]>S[R[t]])
            RR(t);
        else if(S[R[L[t]]]>S[R[t]])
            {LR(L[t]);RR(t);}
        else
        return;
    maintain(L[t],0);
    maintain(R[t],1);
    maintain(t,0);
    maintain(t,1);
}
void insert(int &t,int v)//插入
{
    if(t)
    {
        ++S[t];
        if(v<V[t]) insert(L[t],v);
        else insert(R[t],v);
        maintain(t,v>=V[t]);
    }
    else
    {
        V[t=++tt]=v;
        S[t]=1;
        L[t]=R[t]=0;
    }
}
int pred(int t,int v)//在以t为根的子树内比v小的最大值
{
    if(!t) return v;
    if(v<=V[t]) return pred(L[t],v);
    else
    {
        int tmp=pred(R[t],v);
        return tmp==v?V[t]:tmp;
    }
}
int Succ(int t,int v)//在子树内比v大的最小值
{
    if(!t)return v;
    if(v>=V[t])return Succ(R[t],v);
    else
    {
        int tmp=Succ(L[t],v);
        return tmp==v?V[t]:tmp;
    }
}
int Delete(int &t,int v)//删除价值为v的节点
{
    --S[t];
    if(v==V[t]||(v<V[t]&&!L[t])||(v>V[t]&&!R[t]))
    {
        int tmp=V[t];
        if(!L[t]||!R[t])t=L[t]+R[t];
        else V[t]=Delete(L[t],V[t]+1);
        return tmp;
    }
    else if(v<V[t])return Delete(L[t],v);
    else return Delete(R[t],v);
}
int Find(int t,int v)//找到价值为v的节点并返回
{
    while(t&&v!=V[t])
    t=v<V[t]?Find(L[t],v):Find(R[t],v);
    return t;
}
int Rank(int t,int v)//返回根为t的树中键值v的排名。也就是树中键值比v小的结点数+1
{
    if(!t)return 1;
    if(v<=V[t])return Rank(L[t],v);
    else return S[L[t]]+1+Rank(R[t],v);
}
int Select(int t,int k)//返回根为t的树中排名为k的结点。同时该操作能够实现Get-min,Get-max,因为Get-min等于Select(t,1),Get-max等于Select(t,s[t])
{
    if(k==S[L[t]]+1)return V[t];
    if(k<=S[L[t]])return Select(L[t],k);
    else return Select(R[t],k-1-S[L[t]]);
}
void init ()
{
    ans=tt=root=S[0]=0;
}


基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
评论 2
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