bzoj3289: Mato的文件管理(莫队+树状数组)

10 篇文章 0 订阅
5 篇文章 0 订阅

题目传送门

解法:
刚才看到Gty的妹子序列。各种不会。。
看到这道题。。
不强制在线?
莫队啊。
进来的点树状数组求下逆序对就好了呀。

以为复杂度很高会跑很慢谁知5s就过去了。。。

代码实现:

#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<iostream>
#include<algorithm>
#include<cmath>
#include<queue>
using namespace std;
struct node {int l,r,id,ans;}a[51000];int sum[51000],n,f[51000],s[51000];
bool cmp(node n1,node n2) {if(f[n1.l]==f[n2.l])return n1.r<n2.r;return n1.l<n2.l;}
int lowbit(int x) {return x&-x;}
void change(int x) {while(x<=n) {sum[x]++;x+=lowbit(x);}}
void _change(int x) {while(x<=n) {sum[x]--;x+=lowbit(x);}}
int find_sum(int x) {int ans=0;while(x>0) {ans+=sum[x];x-=lowbit(x);}return ans;}
struct lsnode {int x,id;}b[51000];
bool cmp1(lsnode n1,lsnode n2) {return n1.x<n2.x;}
bool cmp2(node n1,node n2) {return n1.id<n2.id;}
int main() {
    scanf("%d",&n);int unit=int(sqrt(double(n+1)));
    for(int i=1;i<=n;i++) {scanf("%d",&b[i].x);b[i].id=i;f[i]=i/unit+1;}
    sort(b+1,b+1+n,cmp1);int tot=0;b[0].x=0;
    for(int i=1;i<=n;i++) {if(b[i].x!=b[i-1].x)tot++;s[b[i].id]=tot;}
    memset(sum,0,sizeof(sum));int m;scanf("%d",&m);
    for(int i=1;i<=m;i++) {scanf("%d%d",&a[i].l,&a[i].r);a[i].id=i;}
    sort(a+1,a+1+m,cmp);int ans=0;
    for(int i=a[1].r;i>=a[1].l;i--) {ans+=find_sum(s[i]-1);change(s[i]);}
    int l=a[1].l,r=a[1].r;a[1].ans=ans;
    for(int i=2;i<=m;i++) {
        while(l<a[i].l) {
            int x=s[l];l++;
            ans-=find_sum(x-1);
            _change(x);
        }
        while(l>a[i].l) {
            l--;int x=s[l];
            ans+=find_sum(x-1);
            change(x);
        }
        while(r<a[i].r) {
            r++;int x=s[r];
            ans+=(r-l)-find_sum(x);change(x);
        }
        while(r>a[i].r) {
            int x=s[r];
            ans-=(r-l+1)-find_sum(x);_change(x);r--;
        }a[i].ans=ans;
    }sort(a+1,a+1+m,cmp2);
    for(int i=1;i<=m;i++)printf("%d\n",a[i].ans);
    return 0;
}
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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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