关于使用lazytag线段树两种查询方式的比较研究

说到线段树,想来大家并不陌生——最基本的思路就是将其规划成块,然后只要每次修改时维护一下即可。

但是尤其是涉及到区间修改时,lazytag的使用往往能够对于程序的质量起到决定性作用(Ex:一般JSOI2008左右的线段树题目,如果有区间修改的话,那么假如普普通通的一个个修改的话,那么一般30分左右,甚至更少;而有了神奇的lazytag,只要别的地方写的还算基本到位,一般就Accept了)

lazytag的基本思想也就是在需要修改的区间打上标记,然后下次动态维护标记和真正值之间的关系,然后查询或者下一个修改操作涉及此区间时,进行进一步维护。

于是,此时就存在两种不同的查询操作了(此处以BZOJ1798为例)

方案一:当查询过程中,遇到了带有标记的点,则将其记录下来(即并入综合的修改参数里面),然后当刚好找到合适区间是,再操作之

复制代码
1 function cal(z,x,y,l,r:longint;d:vet):int64;inline;
2          var d1:vet;
3          begin
4               if l>r then exit(0);
5               d1:=merge(b[z],d);
6               if (x=l) and (y=r) then exit(((a[z]*d1.a0) mod p+(d1.a1*((r-l+1) mod p)) mod p) mod p);
7               exit((cal(z*2,x,(x+y) div 2,l,min((x+y) div 2,r),d1)+cal(z*2+1,(x+y) div 2+1,y,max((x+y) div 2+1,l),r,d1)) mod p);
8          end;
复制代码

这个方案在操作时,实际上并没有动任何的标记,直接通过现有的标记求出了值

 

方案二:查询过程中遇到标记点的话,则将其扩展下去,保证一路下来都不存在标记点,然后到地方了之后直接返回数值

复制代码
1 function cal(z,x,y,l,r:longint):int64;inline;
2          begin
3               if l>r then exit(0);
4               ext(z,x,y);
5               if (x=l) and (y=r) then exit(a[z]);
6               exit((cal(z*2,x,(x+y) div 2,l,min((x+y) div 2,r))+cal(z*2+1,(x+y) div 2+1,y,max((x+y) div 2+1,l),r)) mod p);
7          end;
复制代码

附:ext操作和merge操作

复制代码
 1 function merge(d1,d2:vet):vet;inline;
 2          var d3:vet;
 3          begin
 4               d3:=d1;
 5               d3.a0:=d3.a0 mod p;d3.a1:=d3.a1 mod p;
 6               d2.a0:=d2.a0 mod p;d2.a1:=d2.a1 mod p;
 7               d3.a0:=(d3.a0*d2.a0) mod p;
 8               d3.a1:=((d3.a1*d2.a0) mod p+d2.a1) mod p;
 9               exit(d3);
10          end;
11 procedure ext(z,x,y:longint);inline;
12           begin
13                a[z]:=((a[z]*b[z].a0) mod p+(b[z].a1*((y-x+1) mod p)) mod p) mod p;
14                b[z*2]:=merge(b[z*2],b[z]);
15                b[z*2+1]:=merge(b[z*2+1],b[z]);
16                b[z].a0:=1;b[z].a1:=0;
17           end;
复制代码

此方法比较直观,比较好想,但是看样子好多标记其实被操作了

 

好了,现在看下时间对比:(注:此两个程序中除了cal函数不一样其他均一样)

方案一:

方案二:(这个里面方案一的cal函数是通过{}注释掉的,所以代码会多出来那么些)

空间上差不多(phile:这不显然的么呵呵呵),时间上方案一要快,原因其实还是因为方案一并没有涉及到修改标记的操作,而方案二涉及了,而且尤其对于tag很密集的树,操作更是会较为复杂。还有方案二虽然更加直观易想,但是代码其实并没有缩减,两者代码复杂度几乎一样。所以综合而言,方案一更加划算么么哒

 

下面附上BZOJ1798代码

复制代码
  1 /**************************************************************
  2     Problem: 1798
  3     User: HansBug
  4     Language: Pascal
  5     Result: Accepted
  6     Time:22432 ms
  7     Memory:31492 kb
  8 ****************************************************************/
  9  
 10 type
 11     vet=record
 12               a0,a1:int64;
 13     end;
 14 var
 15    i,j,k,l,m,n,a2,a3,a4:longint;
 16    p:int64;
 17    a,c:array[0..1000000] of int64;
 18    b:array[0..1000000] of vet;
 19    d,d1:vet;
 20 procedure built(z,x,y:longint);inline;
 21           begin
 22                if x=y then
 23                   a[z]:=c[x] mod p
 24                else
 25                    begin
 26                         built(z*2,x,(x+y) div 2);
 27                         built(z*2+1,(x+y) div 2+1,y);
 28                         a[z]:=(a[z*2]+a[z*2+1]) mod p;
 29                    end;
 30                b[z].a0:=1;b[z].a1:=0;
 31           end;
 32 function max(x,y:longint):longint;inline;
 33          begin
 34               if x>y then max:=x else max:=y;
 35          end;
 36 function min(x,y:longint):longint;inline;
 37          begin
 38               if x<y then min:=x else min:=y;
 39          end;
 40 function merge(d1,d2:vet):vet;inline;
 41          var d3:vet;
 42          begin
 43               d3:=d1;
 44               d3.a0:=d3.a0 mod p;d3.a1:=d3.a1 mod p;
 45               d2.a0:=d2.a0 mod p;d2.a1:=d2.a1 mod p;
 46               d3.a0:=(d3.a0*d2.a0) mod p;
 47               d3.a1:=((d3.a1*d2.a0) mod p+d2.a1) mod p;
 48               exit(d3);
 49          end;
 50 procedure ext(z,x,y:longint);inline;
 51           begin
 52                a[z]:=((a[z]*b[z].a0) mod p+(b[z].a1*((y-x+1) mod p)) mod p) mod p;
 53                b[z*2]:=merge(b[z*2],b[z]);
 54                b[z*2+1]:=merge(b[z*2+1],b[z]);
 55                b[z].a0:=1;b[z].a1:=0;
 56           end;
 57 function op(z,x,y,l,r:longint;d:vet):int64;inline;
 58          var
 59             a3,a4:int64;
 60          begin
 61               if l>r then exit(0);
 62               ext(z,x,y);
 63               if (x=l) and (y=r) then
 64                  begin
 65                       b[z]:=d;
 66                       exit(((a[z]*((b[z].a0-1) mod p)) mod p+(b[z].a1*((r-l+1) mod p)) mod p) mod p);
 67                  end
 68               else
 69                   begin
 70                        a3:=op(z*2,x,(x+y) div 2,l,min(r,(x+y) div 2),d);
 71                        a4:=op(z*2+1,(x+y) div 2+1,y,max(l,(x+y) div 2+1),r,d);
 72                        a[z]:=(a[z]+(a3+a4) mod p) mod p;
 73                        exit((a3+a4) mod p);
 74                   end;
 75          end;
 76 {function cal(z,x,y,l,r:longint;d:vet):int64;inline;  //方案一
 77          var d1:vet;
 78          begin
 79               if l>r then exit(0);
 80               d1:=merge(b[z],d);
 81               if (x=l) and (y=r) then exit(((a[z]*d1.a0) mod p+(d1.a1*((r-l+1) mod p)) mod p) mod p);
 82               exit((cal(z*2,x,(x+y) div 2,l,min((x+y) div 2,r),d1)+cal(z*2+1,(x+y) div 2+1,y,max((x+y) div 2+1,l),r,d1)) mod p);
 83          end;     }
 84 function cal(z,x,y,l,r:longint):int64;inline;  //方案二
 85          begin
 86               if l>r then exit(0);
 87               ext(z,x,y);
 88               if (x=l) and (y=r) then exit(a[z]);
 89               exit((cal(z*2,x,(x+y) div 2,l,min((x+y) div 2,r))+cal(z*2+1,(x+y) div 2+1,y,max((x+y) div 2+1,l),r)) mod p);
 90          end;
 91  
 92 function modd(x:int64):int64;inline;
 93          begin
 94               if x>=0 then exit(x mod p);
 95               modd:=((abs(x) div p+1)*p+x) mod p;
 96          end;
 97  
 98 begin
 99      readln(n,p);
100      for i:=1 to n do read(c[i]);
101      readln;
102      built(1,1,n);
103      readln(m);
104      for i:=1 to m do
105          begin
106               read(j);
107               case j of
108                    1:begin
109                           readln(a2,a3,a4);
110                           d.a0:=a4;d.a1:=0;
111                           op(1,1,n,a2,a3,d);
112                    end;
113                    2:begin
114                           readln(a2,a3,a4);
115                           d.a0:=1;d.a1:=a4;
116                           op(1,1,n,a2,a3,d);
117                    end;
118                    3:begin
119                           readln(a2,a3);
120                           writeln(modd(cal(1,1,n,a2,a3)));
121                    end;
122               end;
123          end;
124 end.
复制代码
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。 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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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