[HDU] 3966 树状数组+启发式树链剖分

树状数组+启发式树链剖分

一个讲解ppt
https://wenku.baidu.com/view/a088de01eff9aef8941e06c3.html

例题:Aragorn’s Story
点权树+路经加减+单点询问
时间复杂度 O(n+n+nlogn+Qlogn)
空间复杂度 O(n)

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;

const int MAXN = (int)5e5 + 5;
struct Edge{int to, next;} E[MAXN<<1];
int head[MAXN], tot;
int top[MAXN];//top[v] 表示v所在的重链的顶端节点
int fa[MAXN];//父亲节点
int deep[MAXN];//深度
int num[MAXN];//num[v] 表示以v为根的子树的节点数
int p[MAXN];//p[v]表示v对应的位置
int fp[MAXN];//fp和p数组相反
int son[MAXN];//重儿子
int pos;
int N, M, P;

void add_edge(int u, int v) {
    E[tot].to = v;
    E[tot].next = head[u];
    head[u] = tot++;
}

void dfs_1(int u, int u_fa, int u_deep) {
    deep[u] = u_deep;
    fa[u] = u_fa;
    num[u] = 1;
    for(int i = head[u]; ~i; i = E[i].next) {
        int &v = E[i].to;
        if(v == u_fa) continue;
        dfs_1(v, u, u_deep + 1);
        num[u] += num[v];
        if(son[u] == -1 || num[v] > num[son[v]]) {
            son[u] = v;
        }
    }
}

int c[MAXN], val[MAXN];
int sum(int i) {
    int res = 0;
    while(i > 0) {
        res += c[i];
        i -= i&(-i);
    }
    return res;
}
void add(int i, int val) {
    while(i <= N) {
        c[i] += val;
        i += i&(-i);
    }
}

void getpos(int u, int sp) {
    top[u] = sp;
    p[u] = pos++;
    fp[p[u]] = u;
    if(son[u] == -1) return ;
    getpos(son[u], sp);
    for(int i = head[u]; ~i; i = E[i].next) {
        int &v = E[i].to;
        if(v != son[u] && v != fa[u]) {
            getpos(v, v);
        }
    }
}

void change(int u, int v, int _val) {
    int f1 = top[u], f2 = top[v];
    while(f1 != f2) {
        if(deep[f1] < deep[f2]) {
            swap(f1, f2);
            swap(u, v);
        }
        add(p[f1], +_val);
        add(p[u] + 1, -_val);
        u = fa[f1];
        f1 = top[u];
    }
    if(deep[u] > deep[v]) swap(u, v);
    add(p[u], +_val);
    add(p[v] + 1, -_val);
}

int main()
{
    while(scanf("%d%d%d", &N, &M, &P) != EOF) {
        memset(head, 0xff, sizeof head);
        memset(son , 0xff, sizeof son );
        memset(c   , 0x00, sizeof c   );
        tot = 0; pos = 1;
        for(int i = 1; i <= N; ++i) {
            scanf("%d", val + i);
        }
        for(int i = 0; i < M; ++i) {
            int x, y;
            scanf("%d%d", &x, &y);
            add_edge(x, y);
            add_edge(y, x);
        }
        dfs_1(1, 0, 0);
        getpos(1, 1);
        for(int i = 1; i <= N; ++i) {
            add(p[i], val[i]);
            add(p[i] + 1, -val[i]);
        }
        while(P--) {
            char op;
            scanf("\n%c", &op);
            if(op == 'Q') {
                int x;
                scanf("%d", &x);
                printf("%d\n", sum(p[x]));
            } else {
                int x, y, c;
                scanf("%d%d%d", &x, &y, &c);
                if(op == 'D') c = -c;
                change(x, y, c);
            }
        }
    }
    return 0;
}
内容概要:本文档围绕“经济学期刊论文复现:数字化转型能否促进企业的高质量发展”这一核心命题,系统整合了MATLAB与Python编程实现的大量科研案例,聚焦于数字化转型对企业全要素生产率(TFP)及高质量发展影响的实证研究。文档不仅复现了高水平经济学期刊论文中的计量经济模型,如基于中国上市公司数据的数字化转型与生产率关系析,还深度融合了工程领域的建模技术,涵盖微电网优化、负荷预测、风电光伏不确定性建模、电力系统故障仿真等。同时,提供了智能优化算法(如遗传算法、粒子群优化)、机器学习(LSTM、CNN-BiGRU-Attention)、信号处理、路径规划等多学科交叉的技术资源,构建了一个从理论推导到代码实现的完整科研支持体系,旨在帮助研究者系统掌握论文复现与实证析的核心方法。; 适合人群:具备一定MATLAB或Python编程基础,从事经济学、管理学、能源系统、智能制造及相关交叉学科研究的研究生、科研人员及高校教师。; 使用场景及目标:①复现经济学顶刊中关于数字化转型与企业高质量发展的实证模型;②学习如何量化数字化转型并构建其对企业绩效的影响评估框架;③掌握基于真实数据的计量经济建模、场景生成与优化调度仿真技术,全面提升科研论文写作与实证研究能力。; 阅读建议:建议读者结合文中提供的代码与数据资源,重点研读“论文复现”与“创新未发表”模块,按照技术路径循序渐进地实现模型复现与拓展。推荐关注“荔枝科研社”公众号及百度网盘链接获取完整资料,系统性地开展学习与科研实践。
下载代码方式:https://pan.quark.cn/s/9de6a9d0b3d8 依据所提供的文件内容,能够推导出此段程序的核心任务在于对一个任意的三位数进行拆解,并且别呈现该数值的百位、十位及个位部。随后,我们将对该知识点进行进一步的深入研究。 ### 一、程序功能说明 #### 1. 接收任意一个三位数输入 程序起始阶段运用`scanf`函数来获取用户输入的一个整数。为确保输入内容确实为一个三位数,在实际应用场景中通常需要嵌入验证机制来保障输入的有效性。然而,在本示例情形下,该环节被简化处理,预设用户总会准确输入一个三位数。 #### 2. 实施数字的拆并提取各位置数值 程序借助一系列数学计算来对三位数进行拆,将其转化为百位、十位和个位三个独立的构成部。具体而言,通过除法和取模运算完成了这一过程。 #### 3. 展示各位置上的数值 程序运用`printf`函数来输出原始数值以及各个位上的数值。需要留意的是,代码中的输出部似乎存在一些混淆,存在语法上的错误,例如多余的`printf`语句和乱码字符等问题。 ### 二、核心代码析 #### 1. 数字拆逻辑 ```c a[0] = n / 1000; // 提取千位数,但鉴于题目要求是三位数,此处应为百位数 a[1] = n % 1000 / 100; // 提取百位数 a[2] = n % 1000 % 100 / 10; // 提取十位数 a[3] = n % 1000 % 100 % 10; // 提取个位数 ``` 这段代码通过一连串的除法和取模运算,成功地将输入的数字n拆为百位、十位和个位三个独立的构成部,...
内容概要:本文提出了一种基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法,采用多变量输入实现单步预测,并通过Matlab进行代码实现与验证。该模型融合卷积神经网络(CNN)以提取输入数据的局部时空特征,利用双向门控循环单元(BiGRU)充捕捉风速、温度、湿度等多源气象与运行变量的时间序列前后依赖关系,并引入注意力机制(Attention)动态加权关键时间步的特征信息,有效提升模型对风电功率波动性和不确定性的建模能力,显著增强了预测的准确性与鲁棒性。; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事新能源发电预测、电力系统调度、智能电网优化等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于实际风电场功率预测系统,为电网调度、电力市场交易与可再生能源消纳提供高精度数据支撑;②作为深度学习在能源时序预测领域的典型案例,用于科研项目开发、学术论文复现与技术创新;③深入理解多变量时间序列预测中特征融合、序列建模与注意力权重配的协同机制,掌握先进神经网络架构的设计与优化方法。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点析数据预处理流程、模型网络结构搭建、训练参数调优及注意力权重可视化等关键环节,鼓励尝试替换不同特征输入、调整网络深度或引入其他优化算法(如贝叶斯优化、粒子群优化等)以进一步提升模型性能。
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