LOJ #2483 [CEOI2017]Building Bridges CDQ分治+斜率优化

2024-03-30 02:48

本文主要是介绍LOJ #2483 [CEOI2017]Building Bridges CDQ分治+斜率优化,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
洛咕传送门

s u m w sumw sumw表示 w w w的前缀和。
显然的 d p dp dp方程: d p [ i ] = m i n ( d p [ j ] + ( h [ i ] − h [ j ] ) 2 + s u m w [ i − 1 ] − s u m w [ j ] ) dp[i]=min(dp[j]+(h[i]-h[j])^2+sumw[i-1]-sumw[j]) dp[i]=min(dp[j]+(h[i]h[j])2+sumw[i1]sumw[j])
展开,移项,一通乱搞,得到 2 h [ i ] ∗ h [ j ] + d p [ i ] + 常 数 = d p [ j ] + h [ j ] 2 − s u m w [ j ] 2h[i]*h[j]+dp[i]+常数=dp[j]+h[j]^2-sumw[j] 2h[i]h[j]+dp[i]+=dp[j]+h[j]2sumw[j]
有乘积项,所以要斜率优化。
发现 h h h不单调,所以需要CDQ分治。
然后就是CDQ分治+斜率优化的套路:
先把所有点按照 x x x坐标排序(本题 x x x坐标为 h h h),然后CDQ分治时把 i d id id [ l , m i d ] [l,mid] [l,mid] [ m i d + 1 , r ] [mid+1,r] [mid+1,r]的分成左右两边区间,这样仍然满足左边和右边区间 x x x坐标分别单调。
然后套上单调队列+斜率优化即可qwq。

代码

#include<stdio.h>
#include<cstring>
#include<algorithm>
#define re register int
#define rl register ll
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=(x<<1)+(x<<3)+ch-'0';ch=getchar();}return x*f;
}
inline void write(int x) {if(x>9)	write(x/10);putchar(x%10+'0');
}
const int Size=100005;
namespace I_Love {ll n,h[Size],w[Size],sumw[Size],dp[Size];
struct node {double x,y;int id;
} p[Size],tmp[Size],Queue[Size];
inline bool comp(node a,node b) {if(a.x!=b.x)	return a.x<b.x;return a.id<b.id;
}
inline bool operator < (node a,node b) {return a.x<b.x;
}
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(p[i].id<=mid) {tmp[++ptrl]=p[i];} else {tmp[++ptrr]=p[i];}}for(re i=l; i<=r; i++) {p[i]=tmp[i];}
}
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(p[ptrl]<p[ptrr]) {tmp[++tot]=p[ptrl++];} else {tmp[++tot]=p[ptrr++];}}while(ptrl<=mid)	tmp[++tot]=p[ptrl++];while(ptrr<=r)		tmp[++tot]=p[ptrr++];for(re i=l; i<=r; i++) {p[i]=tmp[i];}
}
inline double slope(node a,node b) {return (b.y-a.y)/(b.x-a.x);
}
void CDQ_Divide(int l,int r) {if(l==r) {p[l].y=dp[l]+h[l]*h[l]-sumw[l];return;}int mid=(l+r)>>1;//按照id分为左右两个区间 Divide(l,r);CDQ_Divide(l,mid);int hd=1,tl=0;//斜率优化 for(re i=l; i<=mid; i++) {while(hd<tl && (p[i].y-Queue[tl].y)*(Queue[tl].x-Queue[tl-1].x)<=(Queue[tl].y-Queue[tl-1].y)*(p[i].x-Queue[tl].x))tl--;Queue[++tl]=p[i];}for(re i=mid+1; i<=r; i++) {while(hd<tl && slope(Queue[hd],Queue[hd+1])<=p[i].x*2)	hd++;int x=p[i].id,y=Queue[hd].id;dp[x]=min(dp[x],dp[y]+(h[x]-h[y])*(h[x]-h[y])+sumw[x-1]-sumw[y]);}
//	if(l==1 && r==n) {
//		puts("我永远喜欢珂朵莉");
//	}CDQ_Divide(mid+1,r);Merge(l,r);
}
void Kutori() {n=read();for(re i=1; i<=n; i++) {h[i]=read();p[i].x=h[i];p[i].id=i;}for(re i=1; i<=n; i++) {w[i]=read();sumw[i]=sumw[i-1]+w[i];}memset(dp,0x3f,sizeof(dp));dp[1]=0;sort(p+1,p+1+n,comp);CDQ_Divide(1,n);printf("%lld",dp[n]);
}}
int main() {I_Love::Kutori();return 0;
}

这篇关于LOJ #2483 [CEOI2017]Building Bridges CDQ分治+斜率优化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/860300

相关文章

小白也能轻松上手! 路由器设置优化指南

《小白也能轻松上手!路由器设置优化指南》在日常生活中,我们常常会遇到WiFi网速慢的问题,这主要受到三个方面的影响,首要原因是WiFi产品的配置优化不合理,其次是硬件性能的不足,以及宽带线路本身的质... 在数字化时代,网络已成为生活必需品,追剧、游戏、办公、学习都离不开稳定高速的网络。但很多人面对新路由器

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、

Linux进程CPU绑定优化与实践过程

《Linux进程CPU绑定优化与实践过程》Linux支持进程绑定至特定CPU核心,通过sched_setaffinity系统调用和taskset工具实现,优化缓存效率与上下文切换,提升多核计算性能,适... 目录1. 多核处理器及并行计算概念1.1 多核处理器架构概述1.2 并行计算的含义及重要性1.3 并

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

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.