abc 366 E+F(曼哈顿距离 x y 两个坐标分别计算)(贪心+01背包)

news2024/11/15 12:41:11

E题:
在这里插入图片描述
题意:给定的 xi yi 。求有多少点 到给人 若干定点 的曼哈顿距离 和 小于等于D.
因为D 最大时 1e6,-1e6<=xi<=1e6。
所以 可能的 点 的 x 的范围是 [-2e6 2e6]
同理 y 的 范围 一样。

将 x y 分开讨论。
我们可以枚举 某个x 的 个数,找到合法的y 的个数。两者相乘。相乘之后的值累加起来。就是结果。
碰到绝对值,利用排序,来消除绝对值。将 xi yi 都分别排序。

在这里插入图片描述
求 f (f的数值最大是1e6,直接开数值桶来维护),我们要遍历 -2e6 到 2e6 的所有范围。
不断的动态维护前缀和后缀。
因为要维护 t 的数值。
所以我们干脆 一个区间一个区间的遍历。(xi 将 [-2e6, 2e6 ]划分成的区间 )
例如 【-1e6,a[0]),[a[0],a[1])……因为我们每次搜索的区间是左闭右开的,所以最后一个是2e6+1(多的加1,就是因为右端点是开的)
这样 t 的 数值,很好确定。

#include <bits/stdc++.h>
using namespace std;
#define int long long 
const int N = 1e6 + 5;
int cnt1[N], cnt2[N];
void solve()
{
    int n;
    cin >> n;
    int d;
    cin >> d;
    vector<int> a(n + 2);
    vector<int> b(n + 2);
    for (int i = 1; i <= n; i++)
    {
        cin >> a[i] >> b[i];
    }
    a[0] = -2e6;
    a[n + 1] = 2e6 + 1;
    b[0] = -2e6;
    b[n + 1] = 2e6+1;

    auto fun = [&](vector<int> &a, int *cnt) -> void
    {
        sort(a.begin(), a.end());
        int pre = 0;
        int sub = 0;
        for (int i = 1; i <= n; i++)
        {
            sub += a[i];
        }
        for (int x = -2e6; x < a[1]; x++)
        {
            int dis = sub - n * x;
            if (dis <= d)
                cnt[dis]++;
        }
        for (int i = 1; i <= n; i++)
        {
            pre += a[i];
            sub -= a[i];
            for (int x = a[i]; x < a[i + 1]; x++)
            {
                int dis = (2 * i - n) * x - pre + sub;
                if (dis <= d)
                    cnt[dis]++;
            }
        }
    };
    fun(a,cnt1);
    fun(b,cnt2);
    for (int i=1;i<=d;i++)
    {
        cnt2[i]+=cnt2[i-1];
    }
    int ans=0;
    for (int i=0;i<=d;i++)
    {
        
        ans+=cnt1[i]*cnt2[d-i];
        
    }
    cout<<ans<<"\n";
}
signed main()
{
    std::cin.tie(nullptr)->sync_with_stdio(false);
    int t;
    t = 1;
    while (t--)
    {
        solve();
    }
    return 0;
}

F
在这里插入图片描述
我们可以猜测,各个函数的嵌套顺序是 可以贪心的。下面是证明。
在这里插入图片描述

我们确定了相对的顺序。从 n 个里面选出来k 个,每一个函数有选和不选两种选择。是 01 背包的问题。
dp[0]=1;

#include <bits/stdc++.h>
using namespace std;
#define int long long 
void solve()
{
    int n,k;cin>>n>>k;
    vector<pair<int,int>>a(n);
    for (int i=0;i<n;i++)
    {
        cin>>a[i].first>>a[i].second;
    }
    auto cmp=[&](pair<int,int>&x,pair<int,int>&y)->bool
    {
        return (1.0*x.first-1)/(1.0*x.second)<(1.0*y.first-1)/(1.0*y.second);
    };
    sort(a.begin(),a.end(),cmp);
    vector<int>dp(k+1);
    int ans=0;
    dp[0]=1;
    for (int i=0;i<n;i++)
    {
        for (int j=k;j>=1;j--)
        {
            dp[j]=max(dp[j],dp[j-1]*a[i].first+a[i].second);
        }
    }

    cout<<dp[k]<<"\n";


}
signed main()
{
    std::cin.tie(nullptr)->sync_with_stdio(false);
    int t;
    t = 1;
    // cin>>t;
    while (t--)
    {
        solve();
    }
    return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2071392.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

聚类:k-Means 和 k-Medoid

1. 前言 在《对静态分析缺陷报告进行聚类&#xff0c;以降低维护成本》 提到使用 k-Medoid 通过相似缺陷的聚类&#xff0c;来减少程序员对大量缺陷分析的工作量。 k-Medoid 和传统的 k-Means 聚类算法有什么差别呢&#xff1f; 简单的说&#xff0c;K-Medoid 算法是一种基于…

golang RSA 解密前端jsencrypt发送的数据时异常 crypto/rsa: decryption error 解决方法

golang中 RSA解密前端&#xff08;jsencrypt&#xff09;发来的密文后出现 "crypto/rsa: decryption error" &#xff0c; 这个问题首先需要确认你的私匙和公匙是否匹配&#xff0c; 如果匹配 那检查入参数据类型&#xff0c; 前端发送来的rsa加密后的数据一般都是…

《黑神话:悟空》到底是用什么语言开发的

《黑神话&#xff1a;悟空》&#xff08;Black Myth: Wukong&#xff09;是一款由中国游戏开发公司游戏科学&#xff08;Game Science&#xff09;开发的动作角色扮演游戏。该游戏主要使用了以下技术栈&#xff1a; 开发引擎&#xff1a;游戏科学公司使用了**虚幻引擎5&#x…

blender--二维平面图标变为三维网格

有时候我们希望把一些二维图片能变成三维网格&#xff0c;本案例我们就针对这一场景进行实现。 首先我们可以先去找一张需要的图片(注意&#xff0c;本例需要图片是svg格式)&#xff0c;我们可以在阿里巴巴矢量图标库等平台进行搜索&#xff0c;如图所示&#xff0c;找到需要的…

Python优化算法12——蝴蝶优化算法(BOA)

科研里面优化算法都用的多&#xff0c;尤其是各种动物园里面的智能仿生优化算法&#xff0c;但是目前都是MATLAB的代码多&#xff0c;python几乎没有什么包&#xff0c;这次把优化算法系列的代码都从底层手写开始。 需要看以前的优化算法文章可以参考&#xff1a;Python优化算…

ProtoBuf简要介绍与快速上手使用(C++版)

文章目录 一、 初识ProtoBuf1. 序列化和反序列化概念2. ProtoBuf是什么3. ProtoBuf的使用特点 二、 讲解说明三、 快速上手1. 创建 .proto 文件2. 编译 contacts.proto 文件&#xff0c;生成C文件3. 序列化与反序列化的使用4. 小结 ProtoBuf 使用流程 一、 初识ProtoBuf 1. 序…

线程是什么?和进程区别是什么?怎么用?

目录 一、什么是进程 二、什么是线程 总结&#xff1a;线程和进程的区别&#xff1f; 三、线程的使用 四、线程的调用 一、什么是进程 进程&#xff0c;也叫任务。就是正常执行的程序。 一个程序有两种状态&#xff1a; 一是没有被执行&#xff0c;在硬盘上躺着的软件&…

Qt Example Callout Extention(about QChart/QGraphicsView/QGraphicsItem)

问题 Qt Example callout 展示了在平面直角坐标系中画tips。知识点涉及到QChart/QGraphicsView/QGraphicsItem。如何在平面直角坐标系中画点、折线、圆、长方形&#xff1f; Example路径 D:\Qt\5.15.2\Src\qtcharts\examples\charts\callout\callout.cpp 代码 main #incl…

C++ 有向图拓扑排序算法

代码 #include <algorithm> #include <cassert> #include <functional> #include <map> #include <memory> #include <queue> #include <set> #include <unordered_set> #include <vector>namespace jc {template <…

【JAVA基础】位运算

文章目录 位运算按位与操作按位或操作按位取反按位亦或 移位运算有符号左移有符号右移 位运算 处理数据的时候可以直接对组成整形数值的各个位完成操作 &|~^andornotxor 下面我们以byte类型为例子&#xff1a; 按位与操作 两个操作数&#xff0c;如果同为1则为1&#…

【JavaEE初阶】IP协议

目录 &#x1f4d5;引言 &#x1f334;IP协议的概念 &#x1f333;IP数据报 &#x1f6a9;IPv4协议头格式 &#x1f6a9;IPv6的诞生 &#x1f3c0;拓展 &#x1f384;IP地址 &#x1f6a9;IP地址的格式&#xff1a; &#x1f6a9;IP地址的分类 &#x1f3c0;网段划分…

【计算机三级-数据库技术】操作题大题(第七套)

第七套操作题 第46题 假定要建立一个关于篮球职业联盟的数据库&#xff0c;需管理如下信息&#xff1a; 每个球队有球队名称、所在城市&#xff1b; 每位球员有球员姓名、薪酬; 每场比赛有比赛编号、比赛时间、比赛结果、参加比赛的主场球队、参加比赛的客场球队。 其中带下划…

Redis—基础篇

Redis基础 1. Redis 简介2. Redis 应用3. Redis 数据结构3.1 String3.2 hash3.3 list3.4 set3.5 sorted set 4. Redis 为什么快&#xff1f;5. Redis I/O 多路复用6. Redis 6.0多线程 1. Redis 简介 Redis 是一种基于键值对的 NoSQL 数据库 Redis 中的 value 支持 string、ha…

关于jupyter notebook 的输出 (outputs )

jupyter notebook 的输出 (outputs )在元素达到一定的个数后&#xff0c;就会按一行一个元素进行展示&#xff0c;百来个还好&#xff0c;一旦过千&#xff0c;那滚轮势必撸冒烟&#xff0c;所以能不能解决呢&#xff1f; 先看个例子&#xff0c; 一个找质数、合数的函数 cal3&…

【Linux篇】vim编译器

1. 介绍 vi / vim是visual interface的简称&#xff0c;是Linux中最典型的文本编辑器。 同图形化界面中的文本编辑器一样&#xff0c;vi是命令行下对文本文件进行编辑的绝佳选择。 vim是vi的加强版本&#xff0c;兼容vi的所有指令&#xff0c;不仅能编译文本&#xff0c;而且…

排序补充之快排的三路划分法

排序补充之快排的三路划分法 快排性能的关键点分析&#xff1a; 决定快排性能的关键点是每次单趟排序后&#xff0c;key对数组的分割&#xff0c;如果每次选key基本⼆分居中&#xff0c;那么快 排的递归树就是颗均匀的满⼆叉树&#xff0c;性能最佳。但是实践中虽然不可能每次…

数学建模笔记(四):熵权

背景&基本思想介绍 在实际的评价类问题中&#xff0c;在前面所说的层次分析法以及Topsis法中&#xff0c;指标权重的确定往往是通过主观的评价得来的&#xff0c;如果在没有专家的情况下&#xff0c;我们自己的权重分配往往可能带有一定的主观性&#xff0c;有没有一种可以…

linux系统离线安装docker并配置阿里云镜像源

制作docker.service文件 创建docker.service文件 cd /etc/systemd/system/ touch docker.service编辑docker.service文件 vim docker.service// 注意&#xff0c;将其中的ip地址&#xff0c;改成您的服务器地址&#xff0c;其它参数不用改。 //--insecure-registry192.168.8…

代码随想录算法day22 | 回溯算法part04 | 491.递增子序列,46.全排列,47.全排列 II

491.递增子序列 本题和大家做过的 90.子集II 非常像&#xff0c;但又很不一样&#xff0c;很容易掉坑里。 力扣题目链接(opens new window) 给定一个整型数组, 你的任务是找到所有该数组的递增子序列&#xff0c;递增子序列的长度至少是2。 示例: 输入: [4, 6, 7, 7]输出: [[4,…

【学习笔记】时间序列模型(ARIMA)

文章目录 前言一、时间序列时间序列数据 二、ARIMA 模型大纲模型前提平稳性检验 差分整合移动平均自回归模型 ARIMA(p,q,d)自回归模型 (AR( p ))移动平均模型 (MA( q ))自回归移动平均模型(ARMA(p,q))差分自回归移动平均模型 ARIMA(p,d,q) 确定 p&#xff0c;q结果分析和模型检…