[NOIP 2014] 飞扬的小鸟:需要一点小优化的DP

2023-10-20 20:19

本文主要是介绍[NOIP 2014] 飞扬的小鸟:需要一点小优化的DP,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!

  1. 这不是水题?
  2. 啊,写完了。等等,可以连击??!
  3. 连击也好处理。用同一列的更新自己就好。
  4. 啊,又快写完了。等等,我这样倒着推,又用的是滚动数组,好像难以确定游戏失败时最多飞越多少个管道间隙……
  5. 嗯,重写。WA,70分,挂成暴力DP了。让我来面向数据调试……
  6. 为了省一个循环,我竟然同时更新向上、向下……
  7. 改正。CE两次。咦,怎么还是70分?这次WA的测试点有所不同。
  8. 再次面向数据……高度为m时,只考虑了“1次越界”、“1+次正好”,而忽略了“连击越界”。
  9. 85分了!怎么和本机运行结果不一样?数组开小了1。
  10. 95分。这是什么鬼?
  11. 一天都在想这是怎么回事。第16个测试点,答案是“0 142”,我输出“0 141”。怎么会少1呢?
  12. 写个暴力吧。靠!我的暴力DP也输出“0 141”!
  13. 读了很多遍题,确认题意没搞错。
  14. 晚上,又写了个暴力,还是输出“0 141”。在数据和vfk的代码的帮助下,我发现找到的第一个无法通过的管道间隙是正确的。在那之前,有142个管道,但这一版暴力怎么返回141呢?
  15. 原来,我统计的是0~i-1有多少个管道间隙,还没更新i-1就break了。
  16. 那优化后的DP是哪里错的呢?我发现col变量计的是最后一个能通过的列,但是我写着写着就把它当成了第一个不能通过的列。一个等号引发的血案。
  17. 在AC之前,又WA一次。原因是我加了句if (col != i) break;,后面判无解没改,还是把now扫一遍。

下面是参考vfk的代码,借鉴了一些好的写法的实现。比如min_element这个函数。

想起LTY学长的《混分导论》里写道,想AC看吕教主的代码去。

#include <cstdio>
#include <algorithm>
using namespace std;
const int MAX_N = 10000, MAX_M = 1000, INF = 0x3f3f3f3f;
int n, m, u[MAX_N], d[MAX_N], l[MAX_N+1], h[MAX_N+1], f[2][MAX_M+1];inline bool in(int j, int i)
{return j < h[i] && j > l[i];
}int* dp(int& cnt)
{int* now = f[1], * pre = f[0], x, y;cnt = 0;for (int i = 1; i <= n; ++i) {swap(now, pre);for (int j = 1; j <= m; ++j) {x = j-u[i-1];now[j] = min(x > 0 ? now[x] : INF, in(x, i-1) ? pre[x] : INF) + 1;}for (int j = max(m-u[i-1], l[i-1])+1; j <= m; ++j)now[m] = min(now[m], min(now[j], j < h[i-1] ? pre[j] : INF) + 1);for (int j = 1; j <= m; ++j) {y = j+d[i-1];now[j] = min(now[j], in(y, i-1) ? pre[y] : INF);}bool flag = false;for (int j = l[i]+1; j < h[i]; ++j)flag = flag || now[j] < INF;if (!flag)break;if (h[i] <= m)++cnt;}return now;
}int main()
{int k;scanf("%d %d %d", &n, &m, &k);for (int i = 0; i <= n; ++i)h[i] = m+1;for (int i = 0; i < n; ++i)scanf("%d %d", &u[i], &d[i]);for (int i = 0; i < k; ++i) {int p, a, b;scanf("%d %d %d", &p, &a, &b);l[p] = a;h[p] = b;}int cnt, * ret = dp(cnt); if (cnt == k)printf("1\n%d\n", *min_element(ret+1, ret+m+1));elseprintf("0\n%d\n", cnt);return 0;
}

Think twice, code once.

这篇关于[NOIP 2014] 飞扬的小鸟:需要一点小优化的DP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/249481

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

hdu4826(三维DP)

这是一个百度之星的资格赛第四题 题目链接:http://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1004&cid=500 题意:从左上角的点到右上角的点,每个点只能走一遍,走的方向有三个:向上,向下,向右,求最大值。 咋一看像搜索题,先暴搜,TLE,然后剪枝,还是TLE.然后我就改方法,用DP来做,这题和普通dp相比,多个个向上

hdu1011(背包树形DP)

没有完全理解这题, m个人,攻打一个map,map的入口是1,在攻打某个结点之前要先攻打其他一个结点 dp[i][j]表示m个人攻打以第i个结点为根节点的子树得到的最优解 状态转移dp[i][ j ] = max(dp[i][j], dp[i][k]+dp[t][j-k]),其中t是i结点的子节点 代码如下: #include<iostream>#include<algorithm

hdu4865(概率DP)

题意:已知前一天和今天的天气概率,某天的天气概率和叶子的潮湿程度的概率,n天叶子的湿度,求n天最有可能的天气情况。 思路:概率DP,dp[i][j]表示第i天天气为j的概率,状态转移如下:dp[i][j] = max(dp[i][j, dp[i-1][k]*table2[k][j]*table1[j][col] )  代码如下: #include <stdio.h>#include

usaco 1.1 Broken Necklace(DP)

直接上代码 接触的第一道dp ps.大概的思路就是 先从左往右用一个数组在每个点记下蓝或黑的个数 再从右到左算一遍 最后取出最大的即可 核心语句在于: 如果 str[i] = 'r'  ,   rl[i]=rl[i-1]+1, bl[i]=0 如果 str[i] = 'b' ,  bl[i]=bl[i-1]+1, rl[i]=0 如果 str[i] = 'w',  bl[i]=b

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中,我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试,如何有效地规划和启动测试,如何评估测试是否成功,您应该关注哪些指标,多年来我们发现的常见错误等等。 什么是A/B测试? A/B测试(有时称为“分割测试”)是一种实验类型,其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体,以查看哪一种效果最好。 本质上,A/B测