poj 3667 Hotel 线段树区间合并

至此,扫描线,线段树区间修改更新,可持久化线段树,线段树区间合并 等线段树题目全部过了一遍。

接下来还有好多高级数据结构等着我去学。

trick:线段树区间合并时,cover只需一个,因为一段区间只能处于一种状态,我作死开了两个cover分别对应两种情况,

好处是一目了然,坏处是更新完一个cover还要更新另一个,(因为一段区间只能处于一种状态) QAQ


#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <algorithm>
#include <vector>
#define mid ((l+r)/2)
#define lson k<<1,l,mid
#define rson k<<1|1,mid+1,r
#define mk make_pair
using namespace std;
const int maxn=50000+7;
int siz[maxn*4];
int lsiz[maxn*4],rsiz[maxn*4];
int cover[maxn*4];  //out
int cover2[maxn*4];  //in
void build(int k,int l,int r){
    siz[k]=lsiz[k]=rsiz[k]=r-l+1;
    cover[k]=0;
    cover2[k]=0;
    if(l==r)return ;
    build(lson);
    build(rson);
}
void push_up(int k,int l,int r){
    siz[k]=max(siz[k<<1],max(siz[k<<1|1],rsiz[k<<1]+lsiz[k<<1|1]));
    if(lsiz[k<<1]==mid-l+1){
        lsiz[k]=lsiz[k<<1]+lsiz[k<<1|1];
    }
    else{
        lsiz[k]=lsiz[k<<1];
    }
    if(rsiz[k<<1|1]==r-mid){
        rsiz[k]=rsiz[k<<1|1]+rsiz[k<<1];
    }
    else {
        rsiz[k]=rsiz[k<<1|1];
    }
}
void push_down(int k,int l,int r){
    if(cover[k]){
        siz[k<<1]=lsiz[k<<1]=rsiz[k<<1]=mid-l+1;
        siz[k<<1|1]=lsiz[k<<1|1]=rsiz[k<<1|1]=r-mid;
        cover[k<<1]=cover[k<<1|1]=1;
        cover[k]=0;
        cover2[k<<1]=cover2[k<<1|1]=0;
    }
    if(cover2[k]){
    	siz[k<<1]=lsiz[k<<1]=rsiz[k<<1]=0;
        siz[k<<1|1]=lsiz[k<<1|1]=rsiz[k<<1|1]=0;
        cover2[k<<1]=cover2[k<<1|1]=1;
        cover2[k]=0;
        cover[k<<1]=cover[k<<1|1]=0;
    }
}
void update(int k,int l,int r,int a,int b,int v){
    if(a>r||b<l)return ;
    if(a<=l&&r<=b){
    	if(v==1)
    	{siz[k]=lsiz[k]=rsiz[k]=r-l+1;cover[k]=1;cover2[k]=0;}
    	if(v==2)
    	{siz[k]=lsiz[k]=rsiz[k]=0;cover2[k]=1;cover[k]=0;}
    	return ;
    }
    push_down(k,l,r);
    update(lson,a,b,v);
    update(rson,a,b,v);
    push_up(k,l,r);
}
int query(int k,int l,int r,int len){
	if(siz[k]<len)return 0;
	if(l==r)return l;
	if(lsiz[k]>=len)return l;
	push_down(k,l,r);
	if(siz[k<<1]>=len){
		return query(lson,len);
	}
	else if(rsiz[k<<1]+lsiz[k<<1|1]>=len){
		return mid-rsiz[k<<1]+1;
	}
	else return query(rson,len);
}
int main()
{
    int n,m;
    while(~scanf("%d%d",&n,&m)){
        build(1,1,n);
        for(int i=1;i<=m;i++){
            int t;
            scanf("%d",&t);
            if(t==1){
            	int num;scanf("%d",&num);
                int tmp=query(1,1,n,num);
                printf("%d\n",tmp);
                if(tmp)
                update(1,1,n,tmp,tmp+num-1,2);
            }
            else{
            	int l,d;scanf("%d%d",&l,&d);
                update(1,1,n,l,l+d-1,1);
            }
        }
    }
    return 0;
}















【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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