【bzoj4241】历史研究

4241: 历史研究

Time Limit: 80 Sec   Memory Limit: 512 MB
Submit: 1181   Solved: 346
[ Submit][ Status][ Discuss]

Description

IOI国历史研究的第一人——JOI教授,最近获得了一份被认为是古代IOI国的住民写下的日记。JOI教授为了通过这份日记来研究古代IOI国的生活,开始着手调查日记中记载的事件。
日记中记录了连续N天发生的时间,大约每天发生一件。
事件有种类之分。第i天(1<=i<=N)发生的事件的种类用一个整数Xi表示,Xi越大,事件的规模就越大。
JOI教授决定用如下的方法分析这些日记:
1. 选择日记中连续的一些天作为分析的时间段
2. 事件种类t的重要度为t*(这段时间内重要度为t的事件数)
3. 计算出所有事件种类的重要度,输出其中的最大值
现在你被要求制作一个帮助教授分析的程序,每次给出分析的区间,你需要输出重要度的最大值。

Input

第一行两个空格分隔的整数N和Q,表示日记一共记录了N天,询问有Q次。
接下来一行N个空格分隔的整数X1...XN,Xi表示第i天发生的事件的种类
接下来Q行,第i行(1<=i<=Q)有两个空格分隔整数Ai和Bi,表示第i次询问的区间为[Ai,Bi]。

Output

输出Q行,第i行(1<=i<=Q)一个整数,表示第i次询问的最大重要度

Sample Input

5 5
9 8 7 8 9
1 2
3 4
4 4
1 4
2 4

Sample Output

9
8
8
16
16

HINT

1<=N<=10^5

1<=Q<=10^5

1<=Xi<=10^9 (1<=i<=N)

Source

[ Submit][ Status][ Discuss]





好像是一种叫回滚莫队的东西?

回滚莫队大概就是处理这种不好删除的问题吧

大概就是将当前答案拆成两部分

一部分为左端点到左端点所在的块的右端(下称左答案)

另一部分为左端点所在的块的右端到右端点(下称右答案)

每次转移答案的时候考虑

如果当前的询问和上一次询问的左端点不在同一个块内,则舍弃当前存储的所有左答案和右答案
否则就右移右端点,舍弃当前所有左答案,重新计算左答案

代码:
#include<cstdio>
#include<cmath>
#include<queue>
#include<stack>
#include<vector>
#include<algorithm>
#include<cstring>
using namespace std;

typedef long long LL;

const int INF = 2147483647;

const int maxn = 100100;

struct data{
	int l,r,x,id;
	bool operator < (data b) const
	{
		return x < b.x || (x == b.x && r < b.r);
	}
}q[maxn];

int n,m,len,a[maxn],be[maxn];
LL ha[maxn],rans,data[maxn],cnt[maxn],tot;
LL ans[maxn];

inline LL getint()
{
	LL ret = 0,f = 1;
	char c = getchar();
	while (c < '0' || c > '9')
	{
		if (c == '-') f = -1;
		c = getchar();
	}
	while (c >= '0' && c <= '9')
		ret = ret * 10 + c - '0',c = getchar();
	return ret * f;
}

inline void modify(int l,int r,LL &ret)
{
	for (int j = l; j <= r; j++)
	{
		cnt[a[j]]++;
		ret = max(ret,cnt[a[j]] * ha[a[j]]);
	}
}

inline void recycle(int l,int r)
{
	for (int i = l; i <= r; i++) cnt[a[i]]--;
}

int main()
{
	n = getint(); m = getint();
	len = sqrt(n);
	for (int i = 1; i <= n; i++)
		data[i] = a[i] = getint();
	sort(data + 1,data + n + 1);
	for (int i = 1; i <= n; i++)
		if (data[i] != data[i - 1])
			ha[++tot] = data[i];
	for (int i = 1; i <= n; i++)
		a[i] = lower_bound(ha + 1,ha + tot + 1,a[i]) - ha;
	for (int i = 1; i <= n; i++) be[i] = ceil(i * 1.0 / len);
	for (int i = 1; i <= m; i++)
	{
		q[i].l = getint(); q[i].r = getint();
		q[i].x = ceil(q[i].l * 1.0 / len); q[i].id = i;
	}
	sort(q + 1,q + m + 1);
	q[0].r = INF;
	for (int i = 1; i <= m; i++)
	{
		if (q[i].x != q[i - 1].x)
		{
			if (i != 1) recycle(q[i - 1].l,q[i - 1].r);
			rans = 0; if (be[q[i].r] != q[i].x) modify(len * q[i].x + 1,q[i].r,rans);
			ans[q[i].id] = rans; modify(q[i].l,min(len * q[i].x,q[i].r),ans[q[i].id]);
		}
		else
		{
			recycle(q[i - 1].l,min(q[i].x * len,q[i - 1].r));
			if (be[q[i].r] != q[i].x) modify(max(q[i - 1].r,len * q[i].x) + 1,q[i].r,rans);
			ans[q[i].id] = rans; modify(q[i].l,min(len * q[i].x,q[i].r),ans[q[i].id]);
		}
	}
	for (int i = 1; i <= m; i++) printf("%lld\n",ans[i]);
	return 0;
}


使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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