ARC120D Bracket Score 2

2023-12-04 20:36
文章标签 score bracket arc120d

本文主要是介绍ARC120D Bracket Score 2,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!

定义一个合法括号序列的权值为 ∑ ∣ a i − a j ∣ ∑∣a_i−a_j∣ aiaj,其中 ( i , j ) (i,j) (i,j) 满足第 i , j i,j i,j 位在括号序列中是配对的。

给定长度为 2 n 2n 2n 的序列 a a a,请求出长度为 2 n 2n 2n 的权值最大的合法括号序列(不是输出权值,而是输出任意一个解)


A A A 从小到大排序后的数组记为 B B B

考虑如何安排 n n n 对括号使权值最大。把 a i a_i ai 放在数轴上,对于最右边的点,一定是与最左边的点匹配是最优的;对于次右边的点,与次左边的点匹配,以此类推。这是显然的,所以权值不超过 ∑ i = n + 1 2 n B i − ∑ i = 1 n B i \sum\limits_{i=n+1}^{2n}B_i-\sum\limits_{i=1}^nB_i i=n+12nBii=1nBi。下面构造取得最大值。

设 01 数组 t t t,如果 a i a_i ai 对应到 B B B 中的前半部分, t i t_i ti 就为 0 0 0,否则为 1 1 1。要取到最大值需要使每个匹配 ( i , j ) (i,j) (i,j) 满足 t i ⊕ t j = 1 t_i\oplus t_j=1 titj=1。我们一开始先在 t t t 中找不一样的相邻两个元素,这是一个合法匹配,然后删去这两个,这样不停操作下去,一定可以构造出答案。在实现上,开一个栈,每次对比栈顶和当前 t i t_i ti,如果不一样,就标记为匹配,否则就放进去栈内。时间复杂度 O ( n log ⁡ n ) O(n\log n) O(nlogn)

#include<bits/stdc++.h>
using namespace std;
const int N=4e5+1;
int n,a[N],t[N];
char ans[N];
stack<int> s;
struct node
{int x,i;bool operator<(const node &a)const{return x<a.x;}
}b[N];
int main()
{cin.tie(0)->sync_with_stdio(0);cin>>n;for(int i=1;i<=2*n;i++) cin>>a[i],b[i]={a[i],i};sort(b+1,b+1+n*2);for(int i=1;i<=n;i++) t[b[i].i]=0,t[b[i+n].i]=1;for(int i=1;i<=2*n;i++){if(!s.size()) s.push(i);else{if(t[s.top()]^t[i]){ans[s.top()]='(';ans[i]=')';s.pop();}else s.push(i);}}cout<<(ans+1);
}

这篇关于ARC120D Bracket Score 2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/454824

相关文章

856. Score of Parentheses

856. Score of Parentheses class Solution:def scoreOfParentheses(self, s: str) -> int:stack=[]i=0for c in s:if c=='(':stack.append(c)else:score=0while stack[-1]!='(':score+=stack.pop()stack.pop()score

Elasticsearch func_score

场景介绍 衰减函数 总结 官网文档:https://www.elastic.co/guide/en/elasticsearch/reference/7.x/query-dsl-function-score-query.html 作者公众号: 1.场景介绍 在全文检索中,排序是一个很讲究的事。关键字命中,是全文检索中一个很关键的因素。然而,某些时候,我们关键字的命中可能非常低,或者来两个

Redis Zset 类型:Score 属性在数据排序中的作用

Zset 有序集合 一 . zset 的引入二 . 常见命令2.1 zadd、zrange2.2 zcard2.3 zcount2.4 zrevrange、zrangebyscore2.5 zpopmax、zpopmin2.6 bzpopmax、bzpopmin2.7 zrank、zrevrank2.8 zscore2.9 zrem、zremrangebyrank、zremrangebysc

机器学习三:cumulative match score

1.这是机器学习中knn算法的一个概念,没有找到中文资料,那么可以看这个: https://stats.stackexchange.com/questions/142323/cumulative-match-score 2.同时我读的论文中也有对其的解释: 3.这是一篇人脸识别的论文,人脸一共C=200个,那么knn最后会有个p*200的矩阵,p是想要知道的人脸,也就是测试,p

CF Bracket Sequence

http://codeforces.com/problemset/problem/223/A 题意:给定一个只含有’[‘  ']'  '('  ')' 的字符串,它不一定是合法的,求出它的一个含有 '[' 最多的并合法的字串。 思路:相当于括号匹配的问题,多了判断'['的个数而已。 以 )([ ] )(  为例,该字符串每个字符对应下标为0 ,1,2,3,4,5用hash数组记录与当前

Noise Conditional Score Networks 简单总结

Noise Conditional Score Networks Score S c o r e = ∇ x l o g p ( x ) (1) Score = \nabla_xlog~{p(x)} \tag{1} Score=∇x​log p(x)(1) Score 是论文中的一个定义,表示概率密度 p ( x ) p(x) p(x)的梯度,沿着概率密度的梯度向前走,会走到概率密度最高的

多分类问题中评价指标F1-Score 加权平均权重的计算方法

多分类问题中评价指标F1-Score 加权平均权重的计算方法     众所周知,F1分数(F1-score)是分类问题的一个衡量指标。在分类问题中,常常将F1-score作为评价分类结果好坏的指标。它是精确率和召回率的调和平均数,值域为[0,1]。 F 1 = 2 ∗ P ∗ R P + R F_1=2*\frac{P*R}{P+R} F1​=2∗P+RP∗R​     其中,P代表着准确率(

Elastic Search 搜索结果中 _score 字段为 null

参考了 使用elasticsearchTemplate.query()查询发现score字段为null 出现原因 搜索时使用了其他字段作为排序条件,ES 默认是使用 _score 作为排序条件的 解决方案 在 sort 里增加 _score 字段排序

Score Matching(得分匹配)

Score Matching(得分匹配)是一种统计学习方法,用于估计概率密度函数的梯度(即得分函数),而无需知道密度函数的归一化常数。这种方法由Hyvärinen在2005年提出,主要用于无监督学习,特别是在密度估计和生成模型中。 基本原理 在概率论中,得分函数(Score Function)是概率密度函数关于其参数的梯度。对于一个随机变量 x x x 的概率密度函数 p ( x ) p(

HDU2148 Score【水题】

Score Time Limit: 1000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Total Submission(s): 4767    Accepted Submission(s): 3079 Problem Description 转眼又到了一年的年末,L