洛谷:传送方阵Mitrix(splay + 思维)

题目背景

在博弈和yhzq颓废的时候,dp正在机房认真的学习。

题目描述

他正在学习如何玩一个游戏《传送方阵Mitrix》,据说如果通关,就可以被传送进入虚拟世界。

游戏中,dp可以布置2n2n个传送方阵。这些方阵都是矩形。第ii个方阵的长宽分别是x_i,y_ixi​,yi​.

他需要把nn个传送方阵一起放在一个坐标系里。方阵可以相互重叠。方阵的四条边必须平行于坐标系的X,Y轴。这些方阵可以旋转90度后摆放。nn个方阵布置完后,这nn个方阵共同重叠(即某一个矩形属于所有的矩形)的区域,会生成一个MitrixMitrix。定义一个MitrixMitrix的传送效应为该矩形的面积。

每个传送门只能被使用一次,因此他需要两个传送门,不然就会迷失在虚拟空间里。因此,他希望布置2n2n个传送方阵,把他们分成AA组,BB组,使得这两组传送方阵构成的MitrixMitrix的传送效应的最大。请你输出最大的传送效应和$Max\\{S_A+S_B\\}$。

输入输出格式

输入格式:

 

第一行一个整数nn

之后2n2n行,分别包含两个整数,表示x_i,y_ixi​,yi​

 

输出格式:

 

一个整数,表示$Max\\{S_A+S_B\\}$

 

输入输出样例

输入样例#1: 复制

2
4 6
9 2
1 5
2 10

输出样例#1: 复制

23

说明

对于20%的数据 n \leq 5n≤5

对于40%的数据 n \leq 150n≤150

对于60%的数据 n \leq 1000n≤1000

对于全部数据 n \leq 100000n≤100000

题意:给N*2个矩形,分成两组各N个然后重叠起来得到交面积,求两组的交面积的和的最大值(矩形可以旋转,但不可以斜着)。

思路:首先重叠的时候短边对短边长边对长边,然后怎么分呢?设X为短边,Y为长边,考虑按X升序排序,X最短的归为第一组,枚举第二组X最短的那个矩形K。于是K从N+1遍历到2,每次要做的就是将K到2*N里面分N个矩形去第二组,剩下的分到第一组。那么我们对K到2*N的矩形按照Y升序排序,如果最小的Y分在第二组,第二组的最终面积就固定了,那么干脆将前面的N个矩形都分在第二组,这样就使得第一组的Y最大化;同理如果最小的Y分在第一组,第一组的最终面积就固定了,干脆将后面的N个矩形都分在第二组,这样就使得第二组的Y最大化。讨论这两种情况就行,用splay维护区间第K大。

# include <bits/stdc++.h>
using namespace std;
typedef long long LL;
const int maxn = 2e5+30;
int imin[maxn];
struct Node{
    int x, y;
    bool operator < (const Node& b){
        return x==b.x?y<b.y:x<b.x;
    }
}a[maxn];
struct node{
    int num, val, siz;
    node *fa, *son[2];
}*root;
node* newnode(int val, node* fa){//新建节点
    node* t = new node;
    t->num = t->siz = 1;
    t->val = val;
    t->fa = fa;
    t->son[0] = t->son[1] = NULL;
    return t;
}
int size(node* t){//返回子树大小
    return t==NULL?0:t->siz;
}
void update(node* t){//更新子树大小
    if(t != NULL){
        t->siz = t->num;
        t->siz += size(t->son[0]);
        t->siz += size(t->son[1]);
    }
}
bool son(node* f, node* s){//判断s是f的哪个儿子
    if(f == NULL) return 0;
    return f->son[1] == s;
}
void connect(node* f, node* s, bool k){//将s将到f的k儿子上
    if(f != NULL) f->son[k] = s;
    else root = s;
    if(s != NULL) s->fa = f;
}
void rotate(node* s){//将s转到它父亲的位置
    node* f = s->fa;
    node* g = f->fa;
    bool a = son(f, s), b = !a;
    connect(f, s->son[b], a);
    connect(g, s, son(g, f));
    connect(s, f, b);
    update(f);
    update(s);
}
void splay(node* s, node* p){//将s成p的儿子
    if(s == NULL) return;
    while(s->fa != p){
        node* f = s->fa;
        node* g = f->fa;
        if(g == p) rotate(s);
        else{
            if(son(g,f) ^ son(f,s)) rotate(f), rotate(s);
            else rotate(s), rotate(s);
        }
    }
}
node* find(int val){//查找某个数所在节点
    node* res = root;
    while(res != NULL && res->val != val)
        res = res->son[val>=res->val];
    return splay(res, NULL), res;//将res转到根节点
}
node* insert(node* t, int val){//插入一个新的数
    node* res = t->son[val>=t->val];
    if(res == NULL) res = t->son[val>=t->val] = newnode(val, t);
    else res = insert(res, val);
    return res;
}
void insert(int val){//插入一个数
    if(root == NULL) root = newnode(val, NULL);
    else if(find(val) != NULL) ++root->num, update(root);
    else splay(insert(root, val), NULL);
}
int qry(int th, node* t){//查询排在第th的是哪个数
    if(size(root) < th) return 0;
    if(th > size(t->son[0])) th -= size(t->son[0]);
    else return qry(th, t->son[0]);
    if(th <= t->num) return t->val;
    return qry(th-t->num, t->son[1]);
}
int main(){
    int n;
    scanf("%d",&n);
    for(int i=1; i<=2*n; ++i){
        scanf("%d%d",&a[i].x,&a[i].y);
        if(a[i].x > a[i].y) swap(a[i].x,a[i].y);
    }
    sort(a+1, a+1+2*n);
    imin[1] = a[1].y;
    for(int i=2; i<=n; ++i) imin[i] = min(imin[i-1], a[i].y);
    for(int i=n+1; i<=2*n; ++i) insert(a[i].y);
    LL ans = 1LL*a[1].x*imin[n] + 1LL*a[n+1].x*qry(1, root);
    for(int i=n, j=1; i>=2; --i,++j){
        insert(a[i].y);
        int t1 = qry(1, root);
        int t2 = qry(j+1, root);
        ans = max(ans, 1LL*a[1].x*min(imin[i-1], t1) + 1LL*a[i].x*t2);
        t2 = qry(n+1, root);
        ans = max(ans, 1LL*a[1].x*min(imin[i-1], t2) + 1LL*a[i].x*t1);
    }
    printf("%lld\n",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