CDQ分治维护凸包 优化dp 【NOI2007】货币兑换cash bzoj1492

2024-04-14 23:48

本文主要是介绍CDQ分治维护凸包 优化dp 【NOI2007】货币兑换cash bzoj1492,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!

题目描述:
小 Y 最近在一家金券交易所工作。该金券交易所只发行交易两种金券:A 纪
念券(以下简称 A 券)和 B 纪念券(以下简称 B 券)。每个持有金券的顾客都有
一个自己的帐户。金券的数目可以是一个实数。
每天随着市场的起伏波动,两种金券都有自己当时的价值,即每一单位金券
当天可以兑换的人民币数目。我们记录第 K 天中 A 券和 B 券的价值分别为 AK 和
BK (元/单位金券)。
为了方便顾客,金券交易所提供了一种非常方便的交易方式:比例交易法。
比例交易法分为两个方面:
a) 卖出金券:顾客提供一个[0,100]内的实数OP作为卖出比例,其意
义为:将OP%的A券和OP%的B券以当时的价值兑换为人民币;
b) 买入金券:顾客支付IP元人民币,交易所将会兑换给用户总价值为
IP的金券,并且,满足提供给顾客的A券和B券的比例在第K天恰好为RateK;

例如,假定接下来3天内的Ak 、Bk、Ratek 的变化分别为:

时间 Ak Bk Ratek
第一天 1 1 1
第二天 1 2 2
第三天 2 2 3
假定在第一天时,用户手中有100元人民币但是没有任何金券。
用户可以执行以下的操作:
时间 用户操作 人民币(元) A券的数量 B券的数量
开户 无 100 0 0
第一天 买入100元 0 50 50
第二天 卖出50% 75 25 25
第二天 买入60元 15 55 40
第三天 卖出100% 205 0 0

注意到,同一天内可以进行多次操作。
小 Y 是一个很有经济头脑的员工,通过较长时间的运作和行情测算,他已经
知道了未来 N 天内的 A 券和 B 券的价值以及 Rate。他还希望能够计算出来,如
果开始时拥有S元钱,那么N天后最多能够获得多少元钱。

一张图揭示这道题有多么深入人心:
这里写图片描述

题目分析:
首先可以分析出,想获得最大收益,如果在某一天买入,那么一定花掉所有的钱买入,如果卖出那么一定卖掉所有的金券。
我们设到第i天获得的最大收益为f[i]
设在第i天最多能购买A券x[i],B券y[i]
则有f[i]=a[i]*x[i]+b[i] *y[i]
并且有x[i]:y[i]=rate[i]
两式联立得:
y[i]=f[i]/(a[i]*rate[i]+b[i])
x[i]=f[i]*rate[i]/(a[i] *rate[i] +b[i])

可以推出转移方程为f[i]=Max{ f[i-1],a[i]* x[j]+b[i] *y[j] }
对于f[i]=a[i]*x[j] +b[i] *y[j]
可以转化为:
f[i]/b[i]=a[i]/b[i]*x[j]+y[j]
设Y=y[j]
设k=-a[i]/b[i]
设X=x[j]
设P=f[i]/b[j]
可得Y=kX+P
看样子可以斜率优化,但问题是X不是单调的,K也不是单调的。
所以无法O(n)维护凸包。
可以用平衡树维护凸包啊!!!然后在凸包上二分斜率!!!
恩,我写了一个下午,写挂了(=。=果然蒟蒻就是蒟蒻啊)
于是还是用更好想也更好写的CDQ分治吧。
对于区间l到r,先递归处理l到mid的答案,然后暴力求出l到mid的凸包,去更新mid+1到r的答案,再递归处理mid+1到r的答案。
因为mid+1到r的斜率不单调,所以我们可以选择在凸包上二分。
时间复杂度:O(nlog^2n),也不比平衡树维护凸包差很多嘛!

代码如下:

#include <cstdio>
#include <vector>
#include <algorithm>
#define N 120000
using namespace std;
inline double Max(double x,double y) { return x>y?x:y; }
struct point{double x,y;point(double x=0,double y=0):x(x),y(y){}point operator - (const point &c) const { return point (x-c.x,y-c.y); }bool operator < (const point &c) const { return x<c.x || x==c.x && y<c.y; }double operator * (const point &c) const { return x*c.y-y*c.x; }
}h[N],p[N];
struct cash{double x,y,a,b;
}day[N];
int n,top;
double m;
double f[N];
void convex_hull(point a[],int l,int r)
{top=0;sort(a+l,a+r+1);for(int i=l;i<=r;i++){while(top>1 && (h[top]-h[top-1])*(a[i]-h[top-1])>=0) top--;h[++top]=a[i];}return;
}
bool judge(int now,double k)
{if(now!=top && h[now+1].y-h[now].y>(h[now+1].x-h[now].x)*k) return false;return true;
}
double divide(double k)
{int l=1,r=top;int ans=top;while(l<=r){int mid=l+r>>1;if(judge(mid,k)) ans=mid,r=mid-1;else l=mid+1;}return h[ans].y-h[ans].x*k;
}
void CDQ(int l,int r)
{if(l==r){f[l]=Max(f[l],f[l-1]);return;}int mid=l+r>>1;CDQ(l,mid);for(int i=l;i<=mid;i++) p[i]=point(f[i]*day[i].x,f[i]*day[i].y);convex_hull(p,l,mid);for(int i=mid;i<=r;i++)f[i]=Max(f[i],divide(-day[i].a/day[i].b)*day[i].b);CDQ(mid+1,r);
}
int main()
{scanf("%d%lf",&n,&m);f[0]=m;for(int i=1;i<=n;i++){double a,b,rate;scanf("%lf%lf%lf",&a,&b,&rate);day[i].y=1.0/(rate*a+b); day[i].x=day[i].y*rate;day[i].a=a; day[i].b=b;}CDQ(1,n);double ans=f[n];printf("%.3lf\n",ans);return 0;
}

这篇关于CDQ分治维护凸包 优化dp 【NOI2007】货币兑换cash bzoj1492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/904361

相关文章

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.

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