poj 1201 Intervals [差分约束]





#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

const int MAXN = 50010;

struct Range
{
    int a;
    int b;
    int c;
    inline bool operator < (const Range& other) const
    {
        return b < other.b;
    }
};

Range range[MAXN];
bool used[MAXN];

struct BinaryIndexedTree
{

    int bit[MAXN];
    int size;

    BinaryIndexedTree(){}

    inline void init(int size)
    {
        this->size = size;
        memset(bit, 0, sizeof(bit));
    }

    inline int sum(int i)
    {
        ++i;
        int s = 0;
        while (i > 0)
        {
            s += bit[i];
            i -= (i & -i);
        }
        return s;
    }

    inline int sum(int from, int to)
    {
        return sum(to - 1) - sum(from - 1);
    }

    inline void add(int i, int v)
    {
        ++i;
        while (i <= size)
        {
            bit[i] += v;
            i += (i & -i);
        }
    }
};

BinaryIndexedTree bit;

int main(int argc, char *argv[])
{
    int n;

    scanf("%d", &n);
    bit.init(MAXN);

    for (int i = 0; i < n; ++i) scanf("%d%d%d", &range[i].a, &range[i].b, &range[i].c);

    sort(range, range + n);
    int result = 0;
    for (int i = 0; i < n; i++)
    {
        int picked = bit.sum(range[i].a, range[i].b + 1);
        if (picked < range[i].c)
        {
            int remain = range[i].c - picked;
            result += remain;
            int tail = range[i].b;
            while (remain)
            {
                if (used[tail] == false)
                {
                    used[tail] = true;
                    bit.add(tail, 1);
                    --remain;
                }
                --tail;
            }
        }
    }
    printf("%d\n", result);

    return 0;
}
题意:给出 n个闭区间 [ai,bi],每个区间对应一个 ci,表示集合 Z在区间 [ai,bi]ci个相同元素,问集合 Z至少有几个元素。

思路:将区间[ai,bi]的每个端点看做一个顶点,以dist[i+1]表示源点xi之间至少有与集合Z相同元素的个数。如果将至少含有的相同元素的个数看做边的权值则一个区间[ai,bi]的两个端点的dist[ai]dist[bi+1]分别表示源点xai-1bi的距离。那么区间[ai,bi+1]可以看做aibi的一条边。依据题意 xaibi构成了一个边权三角形dist[bi+1]-dist[ai]>=ai->bi,即dist[bi+1]-dist[ai]>=ci;所以变形一下就得:dist[bi+1]>=dist[ai]+ci;注意:这个结果只是题目的要求,所以我们if(dist[bi+1]<dist[ai]+ci) dist[bi+1]=dist[ai]+ci;这也决定了求的是最长路径(当然有的人求的是最短路也行)。

挖掘隐藏的条件:0<=dist[i+1]-dist[i]<=1。有了这个条件便可以建立数据结构了,然后我们以出现的最小元素min1为源点spfadist[max1]就是解了。


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