Codeforces-339D. Xenia and Bit Operations

传送门

给定n,m,代表有2n个数,m次询问

每次询问时先将此时序列第p个数值改为b,在求序列的值。序列的值定义如下。

将序列中的第2*i项与2*i-1项或,得到新序列,再把新序列的第2*i项与2*i-1项做异或操作,再将新序列进行或操作,如此往复,最终得到一个数,称为序列的值

 

线段树水题

 

 1 #include <cstdio>
 2 #include <cstring>
 3 #include <algorithm>
 4 #define INF 0x3f3f3f3f
 5 using namespace std;
 6 typedef long long LL;
 7 
 8 const int maxn = (1 << 17) + 5;
 9 int da[maxn * 4];
10 int n, m;
11 int p, b;
12 
13 int n_;
14 
15 void build() {
16     int op = 0;
17     int k = n_ + n_ - 2;
18     k = (k - 1) / 2;
19     int t = n;
20     while (k > 0) {
21         if (k == (1 << t) - 2) {op ^= 1;t--;}
22         if (op == 1) {
23             da[k] = da[k * 2 + 1] | da[k * 2 + 2];
24         } else {
25             da[k] = da[k * 2 + 1] ^ da[k * 2 + 2];
26         }
27         k--;
28     }
29 }
30 
31 void update(int k, int val) {
32     k += n_ - 2;
33     da[k] = val;
34     int op = 0;
35     while (k > 0) {
36         k = (k - 1) / 2;
37         op = 1 - op;
38         if (op == 1) {
39             da[k] = da[k * 2 + 1] | da[k * 2 + 2];
40         } else {
41             da[k] = da[k * 2 + 1] ^ da[k * 2 + 2];
42         }
43     }
44 }
45 
46 int main() {
47     scanf("%d%d", &n, &m);
48     n_ = (1 << n);
49     for (int i = 0; i < n_; i++) {
50         scanf("%d", da + n_ + i - 1);
51     }
52     build();
53     while (m--) {
54         scanf("%d%d", &p, &b);
55         update(p, b);
56         printf("%d\n", da[0]);
57     }
58     return 0;
59 }

 

转载于:https://www.cnblogs.com/xFANx/p/8782870.html

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