BZOJ_1818_[Cqoi2010]内部白点 _扫描线+树状数组

BZOJ_1818_[Cqoi2010]内部白点 _扫描线+树状数组

Description

无限大正方形网格里有n个黑色的顶点,所有其他顶点都是白色的(网格的顶点即坐标为整数的点,又称整点)。每秒钟,所有内部白点同时变黑,直到不存在内部白点为止。你的任务是统计最后网格中的黑点个数。 内部白点的定义:一个白色的整点P(x,y)是内部白点当且仅当P在水平线的左边和右边各至少有一个黑点(即存在x1 < x < x2使得(x1,y)和(x2,y)都是黑点),且在竖直线的上边和下边各至少有一个黑点(即存在y1 < y < y2使得(x,y1)和(x,y2)都是黑点)。

Input

输入第一行包含一个整数n,即初始黑点个数。以下n行每行包含两个整数(x,y),即一个黑点的坐标。没有两个黑点的坐标相同,坐标的绝对值均不超过109。

Output

输出仅一行,包含黑点的最终数目。如果变色过程永不终止,输出-1。

Sample Input

4
0 2
2 0
-2 0
0 -2

Sample Output

5

数据范围
36%的数据满足:n < = 500
64%的数据满足:n < = 30000
100%的数据满足:n < = 100000

先排两边序,取出所有两个端点是黑点且极长的横/竖线。
可以发现新增的黑点一定是这些线的交点。
于是把横线拆成两个。
全部按横坐标排序,遇到横线决定+1还是-1,遇到竖线就查一次区间和,这个可以用树状数组搞一搞。
 
代码:
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
#define N 300050
int n,V[N],c[N];
struct P {
	int x,y;
}a[N];
inline bool cmp1(const P &x,const P &y) {return x.x==y.x?x.y<y.y:x.x<y.x;}
inline bool cmp2(const P &x,const P &y) {return x.y==y.y?x.x<y.x:x.y<y.y;}
struct A {
	int x,y,z,opt,pri;
	bool operator < (const A &u) const {
		return x==u.x?pri<u.pri:x<u.x;
	}
}q[N];
void fix(int x,int v) {for(;x<=n;x+=x&(-x)) c[x]+=v;}
int inq(int x) {int re=0;for(;x;x-=x&(-x)) re+=c[x]; return re;}
int main() {
	scanf("%d",&n);
	int i,cnt=0;
	for(i=1;i<=n;i++) scanf("%d%d",&a[i].x,&a[i].y),V[i]=a[i].y;
	sort(V+1,V+n+1);
	int ww=unique(V+1,V+n+1)-V-1;
	for(i=1;i<=n;i++) a[i].y=lower_bound(V+1,V+ww+1,a[i].y)-V;
	sort(a+1,a+n+1,cmp1);
	for(i=1;i<=n;i++) {
		int j=i;
		for(;i<n&&a[i+1].x==a[j].x;i++);
		q[++cnt]=(A){a[j].x,a[j].y,a[i].y,1,2};
	}
	sort(a+1,a+n+1,cmp2);
	for(i=1;i<=n;i++) {
		int j=i;
		for(;i<n&&a[i+1].y==a[j].y;i++);
		q[++cnt]=(A){a[j].x,a[j].y,1,0,1};
		q[++cnt]=(A){a[i].x,a[j].y,-1,0,3};
	}
	sort(q+1,q+cnt+1);
	int ans=0;
	for(i=1;i<=cnt;i++) {
		if(q[i].opt==0) fix(q[i].y,q[i].z);
		else {
			ans+=inq(q[i].z)-inq(q[i].y-1);
		}
	}
	printf("%d\n",ans);
}

 

转载于:https://www.cnblogs.com/suika/p/9463847.html

主要内容:本文详细介绍了一种QRBiLSTM(分位数回归双向长短期记忆网络)的时间序列区间预测方法。首先介绍了项目背景以及模型的优势,比如能够有效利用双向的信息,并对未来的趋势上限和下限做出估计。接着从数据生成出发讲述了具体的代码操作过程:数据预处理,搭建模型,进行训练,并最终可视化预测结果与计算分位数回归的边界线。提供的示例代码可以完全运行并且包含了数据生成环节,便于新手快速上手,深入学习。此外还指出了模型未来发展的方向,例如加入额外的输入特性和改善超参数配置等途径提高模型的表现。文强调了时间序列的标准化和平稳检验,在样本划分阶段需要按时间序列顺序进行划分,并在训练阶段采取合适的手段预防过度拟合发生。 适合人群:对于希望学习和应用双向长短时记忆网络解决时序数据预测的初学者和具有一定基础的研究人员。尤其适用于有金融数据分析需求、需要做多一步或多步预测任务的从业者。 使用场景及目标:应用于金融市场波动预报、天气状况变化预测或是物流管理等多个领域内的决策支持。主要目的在于不仅能够提供精确的数值预计还能描绘出相应的区间概率图以增强结论置信程度。 补充说明:本教程通过一个由正弦信号加白噪构造而成的简单实例来指导大家理解和执行QRBiLSTM流程的所有关键步骤,这既方便于初学者跟踪学习,又有利于专业人士作为现有系统的补充参考工具。
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