BZOJ 1588 Splay伸展树

题目链接

题意:

n个整数,第一个整数支付第一个整数大小的费用,其他数字支付与已有数字(比如:相对第i个数字的已有数字为前i-1个数字)中差值最小的费用(比如:已有数字1 5 10),当输入数字8时需要支付2的费用10-8=2

思路:

Splay实现,将数值插入树中并将其提到树根,求前后驱,最后比较一下与前后驱的差值,取较小的那个

C++代码:

#include<map>
#include<set>
#include<stack>
#include<cmath>
#include<queue>
#include<vector>
#include<string>
#include<cstdio>
#include<cstring>
#include<complex>
#include<iostream>
#include<algorithm>
using namespace std;
typedef double DB;
typedef long long LL;
typedef complex<double>CD;
const int maxn = 100010;
const int mod = 1e9+7;
const int inf = 0x3f3f3f3f;
const int INF = 0x7FFFFFFF;

void Mod( int &x ){ x%=mod; }
int Min( int a , int b ){ return a<b?a:b; }
int Max( int a , int b ){ return a>b?a:b; }
int Abs( int x ){ return x>=0?x:-x; }
int Random(){ static int seed = 703; return seed=(int)(seed*48271LL%2147483647); }

int ls[maxn],rs[maxn],fa[maxn],val[maxn],ans,root,sizes;

void R_rotate( int x )
{
    int y = fa[x];
    int z = fa[y];
    ls[y] = rs[x];
    if ( rs[x] )
        fa[rs[x]] = y;
    fa[x] = z;
    if ( z )
    {
        if ( ls[z]==y )
            ls[z] = x;
        else
            rs[z] = x;
    }
    rs[x] = y;
    fa[y] = x;
}

void L_rotate( int x )
{
    int y = fa[x];
    int z = fa[y];
    rs[y] = ls[x];
    if ( ls[x] )
        fa[ls[x]] = y;
    fa[x] = z;
    if ( z )
    {
        if ( ls[z]==y )
            ls[z] = x;
        else
            rs[z] = x;
    }
    ls[x] = y;
    fa[y] = x;
}

void Splay( int x , int ace )
{
    while ( fa[x]!=ace )
    {
        int y = fa[x];
        int z = fa[y];
        if ( z==ace )
        {
            if ( ls[y]==x )
                R_rotate( x );
            else
                L_rotate( x );
        }
        else
        {
            if ( ls[z]==y&&rs[y]==x )
                L_rotate( x ),R_rotate( x );
            else if ( rs[z]==y&&ls[y]==x )
                R_rotate( x ),L_rotate( x );
            else if ( ls[z]==y&&ls[y]==x )
                R_rotate( y ),R_rotate( x );
            else if ( rs[z]==y&&rs[y]==x )
                L_rotate( y ),L_rotate( x );
        }
    }
    if ( ace==0 )
        root = x;
}

int Pre( int x )
{
    int y = ls[x];
    if ( !y )
        return 0;
    while ( rs[y] )
        y = rs[y];
    return y;
}

int Suc( int x )
{
    int y = rs[x];
    if ( !y )
        return 0;
    while ( ls[y] )
        y = ls[y];
    return y;
}

void Insert( int k , int x )
{
    if ( x==val[k] )
        return;
    if ( x<val[k] )
    {
        if ( ls[k] )
            Insert( ls[k] , x );
        else
        {
            ++sizes,ls[sizes] = rs[sizes] = 0,fa[sizes] = k,ls[k] = sizes,val[sizes] = x;
            Splay ( sizes , 0 );
            int p = Pre( sizes );
            int q = Suc( sizes );
            int minx = INF;
            if ( p )
                minx = Min( minx , Abs( x-val[p] ) );
            if ( q )
                minx = Min( minx , Abs( x-val[q] ) );
            ans += minx;
        }
    }
    else
    {
        if ( rs[k] )
            Insert( rs[k] , x );
        else
        {
            ++sizes,ls[sizes] = rs[sizes] = 0,fa[sizes] = k,rs[k] = sizes,val[sizes] = x;
            Splay ( sizes , 0 );
            int p = Pre( sizes );
            int q = Suc( sizes );
            int minx = INF;
            if ( p )
                minx = Min( minx , Abs( x-val[p] ) );
            if ( q )
                minx = Min( minx , Abs( x-val[q] ) );
            ans += minx;
        }
    }
}

int main()
{
    for ( int n ; scanf( "%d" , &n )==1 ; )
    {
        scanf ( "%d" , &ans );
        root = sizes = 1;
        ls[1] = 0;
        rs[1] = 0;
        fa[1] = 0;
        val[1] = ans;
        for ( int i=1,x ; i<n ; i++ )
        {
            scanf ( "%d" , &x );
            Insert ( root , x );
        }
        printf ( "%d\n" , ans );
    }
    return 0;
}

 

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。
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