HDU1166 敌兵布阵[线段树/树状数组]

X - 敌兵布阵
Time Limit:1000MS     Memory Limit:32768KB     64bit IO Format:%I64d & %I64u

Description

C国的死对头A国这段时间正在进行军事演习,所以C国间谍头子Derek和他手下Tidy又开始忙乎了。A国在海岸线沿直线布置了N个工兵营地,Derek和Tidy的任务就是要监视这些工兵营地的活动情况。由于采取了某种先进的监测手段,所以每个工兵营地的人数C国都掌握的一清二楚,每个工兵营地的人数都有可能发生变动,可能增加或减少若干人手,但这些都逃不过C国的监视。 
中央情报局要研究敌人究竟演习什么战术,所以Tidy要随时向Derek汇报某一段连续的工兵营地一共有多少人,例如Derek问:“Tidy,马上汇报第3个营地到第10个营地共有多少人!”Tidy就要马上开始计算这一段的总人数并汇报。但敌兵营地的人数经常变动,而Derek每次询问的段都不一样,所以Tidy不得不每次都一个一个营地的去数,很快就精疲力尽了,Derek对Tidy的计算速度越来越不满:"你个死肥仔,算得这么慢,我炒你鱿鱼!”Tidy想:“你自己来算算看,这可真是一项累人的工作!我恨不得你炒我鱿鱼呢!”无奈之下,Tidy只好打电话向计算机专家Windbreaker求救,Windbreaker说:“死肥仔,叫你平时做多点acm题和看多点算法书,现在尝到苦果了吧!”Tidy说:"我知错了。。。"但Windbreaker已经挂掉电话了。Tidy很苦恼,这么算他真的会崩溃的,聪明的读者,你能写个程序帮他完成这项工作吗?不过如果你的程序效率不够高的话,Tidy还是会受到Derek的责骂的. 
 

Input

第一行一个整数T,表示有T组数据。 
每组数据第一行一个正整数N(N<=50000),表示敌人有N个工兵营地,接下来有N个正整数,第i个正整数ai代表第i个工兵营地里开始时有ai个人(1<=ai<=50)。 
接下来每行有一条命令,命令有4种形式: 
(1) Add i j,i和j为正整数,表示第i个营地增加j个人(j不超过30) 
(2)Sub i j ,i和j为正整数,表示第i个营地减少j个人(j不超过30); 
(3)Query i j ,i和j为正整数,i<=j,表示询问第i到第j个营地的总人数; 
(4)End 表示结束,这条命令在每组数据最后出现; 
每组数据最多有40000条命令 
 

Output

对第i组数据,首先输出“Case i:”和回车, 
对于每个Query询问,输出一个整数并回车,表示询问的段中的总人数,这个数保持在int以内。 
 

Sample Input

      
      
1 10 1 2 3 4 5 6 7 8 9 10 Query 1 3 Add 3 6 Query 2 7 Sub 10 2 Add 6 3 Query 3 10 End
 

Sample Output

      
      
Case 1: 6 33 59


一个模版题..

之前写过一个树状数组的... 然后今天学线段树就写了一个线段树的..

其实就是一个直接套模版就可以题目.. 但是鉴于自己不是特别了解线段树

然后就自己写模版的时候.. 总会出现错误..

然后对比起来..这个题 树状数组比较好写啊.. 代码量来说 也少一点


树状数组版:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<string>
#include<algorithm>
#include<queue>
#include<stack>
#include<set>
#include<map>
#include<vector>
using namespace std;
const int N=5e4+10;
int num[N],bit[N];
int n;
int lowbit(int x)
{
    return x&(-x);
}
void update(int x,int val)
{
    while (x<=n)
    {
        bit[x]+=val;
        x+=lowbit(x);
    }
}
long long query(int x)
{
    long long sum=0;
    while(x>0)
    {
        sum+=(long long)bit[x];
        x-=lowbit(x);
    }
    return sum;
}
int main()
{
    int T;
    scanf("%d",&T);
    for (int test=1 ; test<=T ; test++)
    {
        memset(bit,0,sizeof(bit));
        scanf("%d",&n);
        for (int i=1 ; i<=n ; i++)
        {
            scanf("%d",&num[i]);
            update(i,num[i]);
        }
        printf("Case %d:\n",test);
        char sen[10];
        while (~scanf("%s",sen) && strcmp(sen,"End"))
        {
            int x,y;
            scanf("%d%d",&x,&y);
            if (!strcmp(sen,"Query"))
            {
                long long ans=query(y)-query(x-1);
                printf("%lld\n",ans);
            }
            else if (!strcmp(sen,"Add"))
                update(x,y);
            else
                update(x,-y);
        }

    }
    return 0;
}


线段树版:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<string>
#include<algorithm>
#include<queue>
#include<stack>
#include<set>
#include<map>
#include<vector>
using namespace std;
const int N=5e4+10;
const int INF=0x3f3f3f3f;
int n;
int num[N];
char sen[10];
struct node
{
    int l,r,val;
    long long sum;
}segtree[N*4];
//求和
void pushup(int id)
{
    segtree[id].sum=segtree[id<<1].sum+segtree[id<<1|1].sum;
}
//延迟更新
void pushdown(int id,int len)//len l跟r的距离(r-l+1)
{
    if (segtree[id].val)//非0才更新
    {
        long long r=len>>1;
        long long l=len-r;
        //左儿子更新
        segtree[id<<1].val+=segtree[id].val;
        segtree[id<<1].sum+=l*segtree[id].val;
        //右儿子更新
        segtree[id<<1|1].val+=segtree[id].val;
        segtree[id<<1|1].sum+=r*segtree[id].val;
        //更新完归0
        segtree[id].val=0;
    }
}
//建树
void build(int id,int l,int r)
{
    segtree[id].l=l;
    segtree[id].r=r;
    segtree[id].val=0;
    if (l==r)
    {
        segtree[id].sum=num[l];
        //scanf("%d",segtree[id].sum);//这里可以改成直接输入
        return ;
    }
    int mid=l+((r-l)>>1);//这样写 防止溢出
    build(id<<1,l,mid);
    build(id<<1|1,mid+1,r);
    pushup(id);//更新和
}
//更新
void update(int id,int l,int r,int val)
{
    if (segtree[id].l==l && segtree[id].r==r)
    {
        segtree[id].val+=val;
        segtree[id].sum+=val*(r-l+1);
        return ;
    }
    if (segtree[id].l==segtree[id].r)
        return ;
    int len=segtree[id].r-segtree[id].l+1;
    pushdown(id,len);//往下层更新
    int mid=segtree[id].l+((segtree[id].r-segtree[id].l)>>1);
    if (l<=mid)
        update(id<<1,l,r,val);
    if (r>mid)
        update(id<<1|1,l,r,val);
    pushup(id);//往上层更新
}
//查询
long long query(int id,int l,int r)
{
    if (l<=segtree[id].l && segtree[id].r<=r)
        return segtree[id].sum;
    int len=segtree[id].r-segtree[id].l+1;
    pushdown(id,len);//往下层更新
    int mid=segtree[id].l+((segtree[id].r-segtree[id].l)>>1);
    long long ans=0;
    if (l<=mid)
        ans+=query(id<<1,l,r);
    if (r>mid)
        ans+=query(id<<1|1,l,r);
    return ans;
}
int main()
{
    int T;
    scanf("%d",&T);
    for (int test=1 ; test<=T ; test++)
    {
        scanf("%d",&n);
        for (int i=1 ; i<=n ; i++)
            scanf("%d",&num[i]);
        build(1,1,n);
        printf("Case %d:\n",test);
        while (~scanf("%s",sen) && strcmp(sen,"End"))
        {
            int x,y;
            scanf("%d%d",&x,&y);
            if (!strcmp(sen,"Add"))
                update(1,x,x,y);
            else if (!strcmp(sen,"Sub"))
                update(1,x,x,-y);
            else
            {
                long long ans=query(1,x,y);
                printf("%lld\n",ans);
            }
        }
    }
    return 0;
}





深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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