【学习笔记】CF559E Gerald and Path

2023-10-06 01:27
文章标签 学习 笔记 path cf559e gerald

本文主要是介绍【学习笔记】CF559E Gerald and Path,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先,设每个线段为 ( p , l , r ) (p,l,r) (p,l,r),即覆盖 [ l , p ] [l,p] [l,p] [ p , r ] [p,r] [p,r]之一。将线段 p p p从小到大排序(因为只知道 p p p的大小关系),以及将端点离散化。

题目数据范围很小,可以考虑设计两个维度。设 f i , j f_{i,j} fi,j表示只考虑前 i i i个线段,以及只考虑数轴上离散化后前缀 j j j时能覆盖的最大长度

考虑每次加入一个线段 ( p , l , r ) (p,l,r) (p,l,r)的变化(省略下标 i i i),转移如下:

1.1 1.1 1.1 (向右): ∀ k ∈ [ p + 1 , r ] , f i , k = max ⁡ ( f i , k , f i − 1 , p + dist(p,k) ) \forall k\in [p+1,r],f_{i,k}=\max(f_{i,k},f_{i-1,p}+\text{dist(p,k)}) k[p+1,r],fi,k=max(fi,k,fi1,p+dist(p,k)),其中 dist(i,j) \text{dist(i,j)} dist(i,j)表示离散化后 i , j i,j i,j原始坐标之差

1.2 1.2 1.2(向左): ∀ k ∈ [ l , c n t ] \forall k\in [l,cnt] k[l,cnt],设 j j j表示最大的满足 max ⁡ ( p , max ⁡ j < x < i r j ) ≥ k \max(p,\max_{j<x<i}r_j)\ge k max(p,maxj<x<irj)k的位置, f i , k = max ⁡ ( f i , k , f j , l + dist(l,k) ) f_{i,k}=\max(f_{i,k},f_{j,l}+\text{dist(l,k)}) fi,k=max(fi,k,fj,l+dist(l,k))

1.3 1.3 1.3 做前缀 max ⁡ \max max

其中第二种转移可以用双指针维护。

复杂度直接做到了 O ( n 2 ) O(n^2) O(n2)

#include<bits/stdc++.h>
#define ll long long
#define fi first
#define se second
#define pb push_back
using namespace std;
const int N=305;
int n,cnt,lsh[N],f[N][N];
struct node{int p,l,r;bool operator <(const node &a)const{return p<a.p;}
}q[N];
int get(int x){return lower_bound(lsh+1,lsh+1+cnt,x)-lsh;
}
void add(int &x,int y){x=max(x,y);
}
int main(){ios::sync_with_stdio(false);cin.tie(0),cout.tie(0);cin>>n;for(int i=1;i<=n;i++){int a,l;cin>>a>>l;q[i]={a,a-l,a+l},lsh[++cnt]=a,lsh[++cnt]=a-l,lsh[++cnt]=a+l;}sort(lsh+1,lsh+1+cnt),cnt=unique(lsh+1,lsh+1+cnt)-lsh-1;for(int i=1;i<=n;i++){q[i].p=get(q[i].p),q[i].l=get(q[i].l),q[i].r=get(q[i].r);}sort(q+1,q+1+n);for(int i=1;i<=n;i++){int p=q[i].p,l=q[i].l,r=q[i].r;for(int k=p+1;k<=r;k++)add(f[i][k],f[i-1][p]+lsh[k]-lsh[p]);int j=i-1,mx=p;for(int k=l;k<=cnt;k++){while(j&&mx<k)mx=max(mx,q[j].r),j--;if(mx>=k)add(f[i][k],f[j][l]+lsh[k]-lsh[l]);}for(int j=1;j<=cnt;j++)add(f[i][j],f[i][j-1]),add(f[i][j],f[i-1][j]);}cout<<f[n][cnt];
}

这篇关于【学习笔记】CF559E Gerald and Path的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/152500

相关文章

解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

《解决jupyterLab打开后出现Configoption`template_path`notrecognizedby`ExporterCollapsibleHeadings`问题》在Ju... 目录jupyterLab打开后出现“templandroidate_path”相关问题这是 tensorflo

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

解读静态资源访问static-locations和static-path-pattern

《解读静态资源访问static-locations和static-path-pattern》本文主要介绍了SpringBoot中静态资源的配置和访问方式,包括静态资源的默认前缀、默认地址、目录结构、访... 目录静态资源访问static-locations和static-path-pattern静态资源配置

python中os.stat().st_size、os.path.getsize()获取文件大小

《python中os.stat().st_size、os.path.getsize()获取文件大小》本文介绍了使用os.stat()和os.path.getsize()函数获取文件大小,文中通过示例代... 目录一、os.stat().st_size二、os.path.getsize()三、函数封装一、os

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss