紫书训练 7.16

2024-03-20 17:08
文章标签 训练 7.16 紫书

本文主要是介绍紫书训练 7.16,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!

https://vjudge.net/contest/311524#overview  差分约束+CDQ分治+虚树

密码:996996

差分约束的博客 https://blog.csdn.net/whereisherofrom/article/details/78922648
虚树博客 https://www.cnblogs.com/zwfymqz/p/9175152.html 

虚树还没有学习

A - Layout

差分约数裸题

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<string>
#include<cstring>
#include<queue>
#include<stack>
#include<map>
#include<set>
#include<cmath>
#include<sstream>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define SZ(a) int((a).size())
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=1e5+5;
int dist[maxn];
int pushnum[maxn];
bool vis[maxn];
struct edge {int to;int w;
};
vector<edge> tt[maxn];
int n,ml,md; 
bool spfa(int start) {memset(dist,0x3f,sizeof(dist));memset(vis,false,sizeof(vis));memset(pushnum,0,sizeof(pushnum));dist[start]=0;vis[start]=true;pushnum[start]++;queue<int> q;q.push(start);while(!q.empty()) {int p=q.front();q.pop();vis[p]=false;for(int i=0; i<(int)tt[p].size(); ++i) {edge tmp=tt[p][i];if(dist[tmp.to]>dist[p]+tmp.w) {dist[tmp.to]=dist[p]+tmp.w;if(vis[tmp.to]==false) {q.push(tmp.to);vis[tmp.to]=true;pushnum[tmp.to]++;if(pushnum[tmp.to]>n) {return false;}}}}}return true;
}
int main(){sc(n),sc(ml),sc(md);int x,y,z;edge tp;rep(i,1,ml){sc(x),sc(y),sc(z);tp.to=y,tp.w=z;tt[x].pb(tp);}rep(i,1,md){sc(x),sc(y),sc(z);tp.to=x,tp.w=-z;tt[y].pb(tp);}if(!spfa(1)) cout<<-1<<endl;else if(dist[n] == inf) cout<<-2<<endl;else cout<<dist[n]<<endl; return 0;
}

B - World Exhibition

 也是模板题

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<string>
#include<cstring>
#include<queue>
#include<stack>
#include<map>
#include<set>
#include<cmath>
#include<sstream>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define SZ(a) int((a).size())
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=1e5+5;
int dist[maxn];
int pushnum[maxn];
bool vis[maxn];
struct edge {int to;int w;
};
vector<edge> tt[maxn];
int T,n,xx,yy;
bool spfa(int start) {memset(dist,0x3f,sizeof(dist));memset(vis,false,sizeof(vis));memset(pushnum,0,sizeof(pushnum));dist[start]=0;vis[start]=true;pushnum[start]++;queue<int> q;q.push(start);while(!q.empty()) {int p=q.front();q.pop();vis[p]=false;for(int i=0; i<(int)tt[p].size(); ++i) {edge tmp=tt[p][i];if(dist[tmp.to]>dist[p]+tmp.w) {dist[tmp.to]=dist[p]+tmp.w;if(vis[tmp.to]==false) {q.push(tmp.to);vis[tmp.to]=true;pushnum[tmp.to]++;if(pushnum[tmp.to]>n) {return false;}}}}}return true;
}
int main(){sc(T);while(T--){sc(n),sc(xx),sc(yy);rep(i,1,n) tt[i].clear();int x,y,z;edge tp;rep(i,1,xx){sc(x),sc(y),sc(z);tp.to=y,tp.w=z;tt[x].pb(tp);}rep(i,1,yy){sc(x),sc(y),sc(z);tp.to=x,tp.w=-z;tt[y].pb(tp);}if(!spfa(1)) cout<<-1<<endl;else if(dist[n] == inf) cout<<-2<<endl;else cout<<dist[n]<<endl; 	}return 0;
}

D - 陌上花开

解决三维问题,先队一维排序,然后再对一维排序,然后用树状数组解决第三维。


#include<bits/stdc++.h>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define SZ(a) int((a).size())
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=2e5+5;
int sum[maxn],tot,ans[maxn/2],n,K;
il void add(int p,int k) {while(p<=K) sum[p]+=k,p+=p&-p;
}
il int ask(int p) {int res=0;while(p) res+=sum[p],p-=p&-p;return res;
}
struct node {int x,y,z,cnt,ans;
} a[maxn/2];
bool cmp(node a,node b) {if(a.x==b.x && b.y==a.y) return a.z<b.z;else if(a.x==b.x) return a.y<b.y;else return a.x<b.x;
}
bool cmp2(node a,node b) {if(a.y==b.y) return a.z<b.z;else return a.y<b.y;
}
void CDQ(int l,int r) {if(l==r) {a[l].ans=a[l].cnt-1;return;}int mid=(l+r)>>1;CDQ(l,mid),CDQ(mid+1,r);sort(a+l,a+mid+1,cmp2);sort(a+mid+1,a+r+1,cmp2);int j=l;for(int i=mid+1; i<=r; ++i) {for(; j<=mid && a[j].y<=a[i].y; ++j) {add(a[j].z,a[j].cnt);}a[i].ans+=ask(a[i].z);}for(int i=l; i<j; ++i) add(a[i].z,-a[i].cnt);
}
int main() {int i,j;SC(n,K);rep(i,1,n) sc(a[i].x),sc(a[i].y),sc(a[i].z);sort(a+1,a+n+1,cmp);for(i=1; i<=n; ++i)if(i!=1 && a[i].x==a[i-1].x && a[i].y==a[i-1].y && a[i].z==a[i-1].z) a[tot].cnt++;else a[++tot]=a[i],a[tot].cnt=1;CDQ(1,tot);rep(i,1,tot) ans[a[i].ans]+=a[i].cnt;rep(i,0,n-1) printf("%d\n",ans[i]);return 0;
}

E - Mokia

 太妙了呀,查询拆成4个点,刚学cdq,果然还是不能好好使用。数据里的s都是0,所以初始值就不考虑了,考虑得话加一下就行了。


#include<bits/stdc++.h>
#define il inline
#define pb push_back
#define fi first
#define se second
#define ms(_data,v) memset(_data,v,sizeof(_data))
#define sc(n) scanf("%d",&n)
#define SC(n,m) scanf("%d %d",&n,&m)
#define SZ(a) int((a).size())
#define rep(i,a,b) for(int i=a;i<=b;++i)
#define drep(i,a,b)	for(int i=a;i>=b;--i)
using namespace std;
typedef long long ll;
const ll inf=0x3f3f3f3f;
const double PI=acos(-1.0);
const double eps=1e-9;
const int maxn=2e5+5;
int sum[maxn*10],ans[maxn],tot;
int s,w,op;
il void add(int p,int x) {while(p<=w)	sum[p]+=x,p+=p&-p;	
}
il int ask(int x){int res=0;while(x) res+=sum[x],x-=x&-x;return res;
}
struct node{int id,x,y,add,pos;
}q[maxn<<2],tp[maxn<<2];
bool cmp(node a,node b){if(a.x==b.x && a.y==b.y) return a.id<b.id;else if(a.x==b.x) return a.y<b.y;else return a.x<b.x;
}
void cdq(int l,int r){if(l>=r) return ;int mid=(l+r)>>1;for(int i=l;i<=r;++i){if(q[i].id<=mid && !q[i].pos) add(q[i].y,q[i].add);else if(q[i].id>mid && q[i].pos) ans[q[i].pos]+=q[i].add*ask(q[i].y);}int l1=l,l2=mid+1;for(int i=l;i<=r;++i){if(q[i].id<=mid && !q[i].pos) add(q[i].y,-q[i].add);if(q[i].id<=mid) tp[l1++]=q[i];else tp[l2++]=q[i];}for(int i=l;i<=r;++i) q[i]=tp[i];cdq(l,mid),cdq(mid+1,r);return ;
}
int main() {SC(s,w); int x1,y1,x2,y2,c,cnt=0;while(cin>>op && op!=3){if(op==1){SC(x1,y1),sc(c);q[++tot]=node{tot,x1,y1,c,0};	} else if(op==2){cnt++;SC(x1,y1),SC(x2,y2);q[++tot]=node{tot,x1-1,y1-1,1,cnt};q[++tot]=node{tot,x2,y2,1,cnt};q[++tot]=node{tot,x1-1,y2,-1,cnt};q[++tot]=node{tot,x2,y1-1,-1,cnt};}}sort(q+1,q+tot+1,cmp);cdq(1,tot);rep(i,1,cnt) printf("%d\n",ans[i]);return 0;
}

 

这篇关于紫书训练 7.16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/830168

相关文章

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

多云架构下大模型训练的存储稳定性探索

一、多云架构与大模型训练的融合 (一)多云架构的优势与挑战 多云架构为大模型训练带来了诸多优势。首先,资源灵活性显著提高,不同的云平台可以提供不同类型的计算资源和存储服务,满足大模型训练在不同阶段的需求。例如,某些云平台可能在 GPU 计算资源上具有优势,而另一些则在存储成本或性能上表现出色,企业可以根据实际情况进行选择和组合。其次,扩展性得以增强,当大模型的规模不断扩大时,单一云平

神经网络训练不起来怎么办(零)| General Guidance

摘要:模型性能不理想时,如何判断 Model Bias, Optimization, Overfitting 等问题,并以此着手优化模型。在这个分析过程中,我们可以对Function Set,模型弹性有直观的理解。关键词:模型性能,Model Bias, Optimization, Overfitting。 零,领域背景 如果我们的模型表现较差,那么我们往往需要根据 Training l

如何创建训练数据集

在 HuggingFace 上创建数据集非常方便,创建完成之后,通过 API 可以方便的下载并使用数据集,在 Google Colab 上进行模型调优,下载数据集速度非常快,本文通过 Dataset 库创建一个简单的训练数据集。 首先安装数据集依赖 HuggingFace datasetshuggingface_hub 创建数据集 替换为自己的 HuggingFace API key

【YOLO 系列】基于YOLOV8的智能花卉分类检测系统【python源码+Pyqt5界面+数据集+训练代码】

前言: 花朵作为自然界中的重要组成部分,不仅在生态学上具有重要意义,也在园艺、农业以及艺术领域中占有一席之地。随着图像识别技术的发展,自动化的花朵分类对于植物研究、生物多样性保护以及园艺爱好者来说变得越发重要。为了提高花朵分类的效率和准确性,我们启动了基于YOLO V8的花朵分类智能识别系统项目。该项目利用深度学习技术,通过分析花朵图像,自动识别并分类不同种类的花朵,为用户提供一个高效的花朵识别

深度学习与大模型第3课:线性回归模型的构建与训练

文章目录 使用Python实现线性回归:从基础到scikit-learn1. 环境准备2. 数据准备和可视化3. 使用numpy实现线性回归4. 使用模型进行预测5. 可视化预测结果6. 使用scikit-learn实现线性回归7. 梯度下降法8. 随机梯度下降和小批量梯度下降9. 比较不同的梯度下降方法总结 使用Python实现线性回归:从基础到scikit-learn 线性

使用openpose caffe源码框架训练车辆模型常见错误及解决办法

错误1:what():  Error: mSources.size() != mProbabilities.size() at 51, OPDataLayer, src/caffe/openpose/layers/oPDataLayer.cpp 原因:这是因为在网络模型中数据源sources和probabilities设置的参数个数不一样导致的,一个数据源对应一个概率 解决方法:只需要将网络文