[SCOI2009]生日礼物-暴力-排序-双指针

题目链接:右转进入题目

题目大意:请自行参见题目。


表示完全把这个题当作普及阻难度做的

题目有的条件没有用,没加任何优化都2000ms,比很多题解快。

由于这道题非常简单,有很多中解法。

首先来一个肯定会TLE的做法,二分区间长度,然后检查,这是网上一个人的做法。

不用看也知道这复杂度肯定TLE,也不知道这位怎么想的竟然还真的写了写试了试……

再来一个复杂度稍高但是能在BZOJ上AC的做法:http://blog.csdn.net/csyzcyj/article/details/10214151

说的很详细,但这个复杂度是O(nk)的竟然能够AC真是一颗赛艇,真是侮辱省选题……

然后发现可以用堆优化成O(nlgk)的。这个应该是正解,几乎线性。

思想是这样的,我们一开始(由于输入位置是递增的)只选取每种颜色最靠左的珠子。

然后计算一下长度。考虑要从这k个珠子中删除一个珠子,换成他的下一个。

那么答案最优的是哪个呢?很明显,就是最靠左的那个珠子。如果有多个,就选取相同颜色的下一个珠子坐标最小的一个。

所以维护个堆就好了。

但是很明显有暴力做法,复杂度偏高,但实际运行效果其实不错的做法。

就是把所有位置按照坐标排个序,然后用has[x]表示当前第x种颜色的珠子有几个,cnt表示当先选了几种不同颜色的珠子。

那么从左往右扫一遍,对于第i个珠子,把他加进去,如果加进去后has[color[i]]==1,则说明这是刚加入的,让cnt++。

然后开始删除左边的珠子,删除条件是这个珠子已经选了好多个了。

由于每个珠子只被加入一次,删除一次,所以复杂度是O(n)的。

但是排序是O(nlgn)的。所以总复杂度近似O(nlgn)。

但是由于algorithm里面的sort很快,所以时间效率还可以。

贴上丑陋的代码:

//BZOJ1293
//SCOI2009
#include<iostream>
#include<climits>
#include<algorithm>
#include<cstdio>
#include<cstring>
#define MAXN 1000010
#define MAXK 100
#define INF INT_MAX
using namespace std;
int has[MAXK],pos[MAXN],cnt;
struct ball{
	int color,pos;
}b[MAXN];int top;
bool cmp(const ball &b1,const ball &b2)
{
	return b1.pos<b2.pos;
}
int main()
{
	int n,k;scanf("%d%d",&n,&k);
	for(int i=1;i<=k;i++)
	{
		int x;scanf("%d",&x);
		for(int j=1;j<=x;j++)
		{
			top++;
			scanf("%d",&b[top].pos);
			b[top].color=i;
		}
	}
	sort(b+1,b+n+1,cmp);
	int j=1,ans=INF;
	for(int i=1;i<=n;i++)
	{
		if(!has[b[i].color]) cnt++;
		has[b[i].color]++;
		while(has[b[j].color]>1)
		{
			has[b[j].color]--;
			j++;
		}
		if(cnt==k) ans=min(ans,b[i].pos-b[j].pos);
	}
	printf("%d\n",ans);return 0;
}




【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值