【树状数组】POJ 2352 Stars

本文深入探讨了树状数组的原理、实现方法及其在解决区间查询和修改问题中的高效应用,通过具体实例展示了如何利用树状数组进行快速计算。
/**
 *  @author           johnsondu
 *  @time             2015-8-22
 *  @type             Binary Index Tree
 *                      ignore the coordinate of y and 
 *                      process as 1D conditions.
 *  @url              http://poj.org/problem?id=2352
 */

#include <iostream>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <cstring>
#include <string>
#include <stack>
#include <queue>
#include <map>
#include <vector>

using namespace std;

const int N = 15005;
const int M = 32010;
int level[N], c[M];

int lowbit(int x) {
    return (x & (-x)) ;
}

// 向上更新
void update(int x, int v) {
    while(x < M) {
        c[x] += v;
        x += lowbit(x);
    }
}

// 获取当前节点及以下的值的个数
int getSum(int x) {
    int sum = 0;
    while(x > 0) {
        sum += c[x];
        x -= lowbit(x);
    }
    return sum;
}

int main()
{
    int n, x, y;
    scanf ("%d", &n);
    memset(level, 0, sizeof(level));
    memset(c, 0, sizeof(c));
    for(int i = 1; i <= n; i ++) {
        scanf("%d%d", &x, &y);
        ++ level[getSum(x + 1)];
        update(x+1, 1);
    }

    for(int i = 0; i < n; i ++) {
        cout << level[i] << endl;
    }

    return 0;
}


附一篇经典翻译,学习 树状数组  http://www.hawstein.com/posts/binary-indexed-trees.html

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
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