bzoj4700 适者 CDQ分治+斜率优化毒瘤题

2024-03-30 02:48

本文主要是介绍bzoj4700 适者 CDQ分治+斜率优化毒瘤题,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!

题目链接:传送门

对于每个敌方的人形兵器,记录一个 B B B,表示多少次能够打死这个人形兵器。
易知 B i = ⌈ D i A T K ⌉ B_i=\lceil\frac{D_i}{ATK}\rceil Bi=ATKDi
首先考虑没有秒杀的情况:
显然应该按照某个顺序打死所有人形兵器(不可能打人形兵器A打到一半突然开始打B),所以考虑什么时候交换人形兵器 i , i + 1 i,i+1 i,i+1会使得结果更优:
发现交换 i , i + 1 i,i+1 i,i+1不会对 i i i左边和 i + 1 i+1 i+1右边对答案的贡献有影响(这些人形兵器的攻击次数不变),所以只用考虑 i , i + 1 i,i+1 i,i+1两个人形兵器对答案的影响。
i i i在前, i + 1 i+1 i+1在后时,这两个人形兵器对答案的影响是: ( A [ i ] + A [ i + 1 ] ) ∗ B [ i ] + A [ i + 1 ] ∗ B [ i + 1 ] (A[i]+A[i+1])*B[i]+A[i+1]*B[i+1] (A[i]+A[i+1])B[i]+A[i+1]B[i+1]
i + 1 i+1 i+1在前, i i i在后时,这两个人形兵器对答案的影响是: ( A [ i ] + A [ i + 1 ] ) ∗ B [ i + 1 ] + A [ i ] ∗ B [ i ] (A[i]+A[i+1])*B[i+1]+A[i]*B[i] (A[i]+A[i+1])B[i+1]+A[i]B[i]
所以当 ( A [ i ] + A [ i + 1 ] ) ∗ B [ i ] + A [ i + 1 ] ∗ B [ i + 1 ] > ( A [ i ] + A [ i + 1 ] ) ∗ B [ i + 1 ] + A [ i ] ∗ B [ i ] (A[i]+A[i+1])*B[i]+A[i+1]*B[i+1]>(A[i]+A[i+1])*B[i+1]+A[i]*B[i] (A[i]+A[i+1])B[i]+A[i+1]B[i+1]>(A[i]+A[i+1])B[i+1]+A[i]B[i]时,交换 i , i + 1 i,i+1 i,i+1会使答案更优qwq。
大莉化简一波,发现变成了 B [ i ] A [ i ] > B [ i + 1 ] A [ i + 1 ] \large\frac{B[i]}{A[i]}>\frac{B[i+1]}{A[i+1]} A[i]B[i]>A[i+1]B[i+1]
因此按照 B [ i ] A [ i ] \large\frac{B[i]}{A[i]} A[i]B[i]从小到大排序(实际操作时我把cmp函数写成了乘法的形式,但本质上一样)
然后这个顺序就是打人形兵器的顺序qwq。

然后再考虑有秒杀的情况:
这里发现秒杀了一个人形兵器,其他兵器的相对顺序是不变的(因为 B [ i ] A [ i ] \large\frac{B[i]}{A[i]} A[i]B[i]没有变qwq)
所以只用计算秒杀一个人形兵器对答案的影响:
这里令 s u m t sumt sumt表示攻击力的后缀和, s u m b sumb sumb表示打死人形兵器所需次数的前缀和。
(注意 s u m b [ 0 ] = − 1 sumb[0]=-1 sumb[0]=1,因为你先攻击qwq)
如果什么都不秒杀,那么答案为 Σ i = 1 n ( A [ i ] ∗ s u m b [ i ] ) \Large\Sigma\normalsize_{i=1}^n(A[i]*sumb[i]) Σi=1n(A[i]sumb[i])
假设第一次秒杀了 i i i
那么 i i i号人形兵器会少造成 s u m b [ i ] ∗ A [ i ] sumb[i]*A[i] sumb[i]A[i]的伤害,
i i i之后的人形兵器会少造成 s u m t [ i + 1 ] ∗ B [ i ] sumt[i+1]*B[i] sumt[i+1]B[i]的伤害。
假设第二次秒杀了 j j j i &lt; j i&lt;j i<j),
那么 j j j号人形兵器会少造成 ( s u m b [ j ] − B [ i ] ) ∗ A [ j ] (sumb[j]-B[i])*A[j] (sumb[j]B[i])A[j]的伤害,
j j j之后的人形兵器会少造成 s u m t [ j + 1 ] ∗ B [ j ] sumt[j+1]*B[j] sumt[j+1]B[j]的伤害。
那么秒杀 i , j i,j i,j会让答案减少 s u m b [ i ] ∗ A [ i ] + s u m t [ i + 1 ] ∗ B [ i ] + ( s u m b [ j ] − B [ i ] ) ∗ A [ j ] + s u m t [ j + 1 ] ∗ B [ j ] sumb[i]*A[i]+sumt[i+1]*B[i]+(sumb[j]-B[i])*A[j]+sumt[j+1]*B[j] sumb[i]A[i]+sumt[i+1]B[i]+(sumb[j]B[i])A[j]+sumt[j+1]B[j]
动态规划,让 d p [ i ] dp[i] dp[i]表示前 i i i个人形兵器中秒杀 i i i和另一个人形兵器能减少的伤害的最大值。
那么 d p [ i ] = dp[i]= dp[i]=上面那一坨qwq。
O ( n 2 ) O(n^2) O(n2)显然跑不过去,把括号展开,移项,乱搞一波得到:
A [ j ] ∗ B [ i ] + d p [ j ] + 常 数 = s u m b [ i ] ∗ A [ i ] + s u m b [ i + 1 ] ∗ B [ i ] A[j]*B[i]+dp[j]+常数=sumb[i]*A[i]+sumb[i+1]*B[i] A[j]B[i]+dp[j]+=sumb[i]A[i]+sumb[i+1]B[i]
然后硬上CDQ分治+斜率优化QAQ

毒瘤代码

#include<stdio.h>
#include<cstring>
#include<algorithm>
#include<math.h>
#define re register int
using namespace std;
typedef long long ll;
int read() {re x=0,f=1;char ch=getchar();while(ch<'0' || ch>'9') {if(ch=='-')	f=-1;ch=getchar();}while(ch>='0' && ch<='9') {x=10*x+ch-'0';ch=getchar();}return x*f;
}
inline char GetChar() {char ch=getchar();while(ch!='Q' && ch!='B')	ch=getchar();return ch;
}
const int Size=300001;
namespace I_Love {ll n,ATK,sumb[Size],sumt[Size];
struct Tank {ll A,D,B,val;
} a[Size];
ll val[Size];
inline bool cmp(Tank x,Tank y) {return x.B*y.A<y.B*x.A;
}
struct node {ll x,y;int id;
} w[Size],tmp[Size],Queue[Size];
ll dp[Size];
void Divide(int l,int r) {int mid=(l+r)>>1;int ptrl=l-1,ptrr=mid;for(re i=l; i<=r; i++) {if(w[i].id<=mid) {tmp[++ptrl]=w[i];} else {tmp[++ptrr]=w[i];}}for(re i=l; i<=r; i++) {w[i]=tmp[i];}
}
inline bool operator < (node a,node b) {if(a.x!=b.x)	return a.x<b.x;return a.y>b.y;
}
void Merge(int l,int r) {int mid=(l+r)>>1;int ptrl=l,ptrr=mid+1,tot=l-1;while(ptrl<=mid && ptrr<=r) {if(w[ptrl]<w[ptrr]) {tmp[++tot]=w[ptrl++];} else {tmp[++tot]=w[ptrr++];}}while(ptrl<=mid)	tmp[++tot]=w[ptrl++];while(ptrr<=r)		tmp[++tot]=w[ptrr++];for(re i=l; i<=r; i++) {w[i]=tmp[i];}
}
inline double slope(node mhy,node wqt) {if(mhy.x==wqt.x)	return -1e20;	//防止除0 return (double)(wqt.y-mhy.y)/(wqt.x-mhy.x);
}
void CDQ_Divide(int l,int r) {if(l==r) {w[l].y=sumb[l]*a[l].A+sumt[l+1]*a[l].B;return;}int mid=(l+r)>>1;Divide(l,r);CDQ_Divide(l,mid);int hd=1,tl=0;for(re i=l; i<=mid; i++) {while(hd<tl && slope(Queue[tl-1],Queue[tl])<slope(Queue[tl],w[i]))	tl--;Queue[++tl]=w[i];}for(re i=mid+1; i<=r; i++) {while(hd<tl && slope(Queue[hd],Queue[hd+1])>a[w[i].id].A)	hd++;int x=w[i].id,y=Queue[hd].id;//dp:reduce damagedp[x]=max(dp[x],(ll)val[x]+(ll)val[y]-a[x].A*a[y].B);}CDQ_Divide(mid+1,r);Merge(l,r);
}
inline bool comp(node mhy,node wqt) {
//	if(mhy.x!=wqt.x)	return mhy.x<wqt.x;
//	return mhy.id<wqt.id;return a[mhy.id].A<a[wqt.id].A;
}
void Kutori() {n=read();ATK=read();for(re i=1; i<=n; i++) {a[i].A=read();a[i].D=read();a[i].B=ceil((double)a[i].D/ATK);}sumb[0]=-1;sort(a+1,a+1+n,cmp);for(re i=1; i<=n; i++)	sumb[i]=sumb[i-1]+a[i].B;for(re i=n; i>0; i--)	sumt[i]=sumt[i+1]+a[i].A;ll tot=0;for(re i=1; i<=n; i++) {w[i].x=a[i].B;w[i].id=i;tot+=a[i].A*sumb[i];w[i].y=val[i]=sumt[i+1]*a[i].B+a[i].A*sumb[i];}sort(w+1,w+1+n,comp);CDQ_Divide(1,n);
//	printf("I love Furukawa Nagisa---%d\n",tot);ll ans=tot;for(re i=1; i<=n; i++) {ll now=tot-dp[i];if(now<ans)	ans=now;}printf("%lld",ans);
}}
int main() {I_Love::Kutori();return 0;
}
/*
4 1
6889 314
8320 8789
478 4833
3186 1386
*/

这篇关于bzoj4700 适者 CDQ分治+斜率优化毒瘤题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/860301

相关文章

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、