HDU 5792 多校5 World is Exploding(树状数组,离散化,组合数学)

题意:多组输入,每组数据第一行n,代表数列中元素个数,接下来n个数。从这n个数中找出满足下列条件的a,b,c,d四个数

求满足条件的个数。


题目链接:


思路分析:题目 就是让找一对逆序,与一对顺序,并且两对数不能有重复的元素。重复是指位置重复,并不是值一样。找出全部的逆序数,顺序数两个 数相乘再进行去重就得到答案


代码实现:用树状数组来统计第i个位置左边小于它的个数,左边大于他的个数。再逆序建立树状数组,找出第i个位置右面大于它的个数,右面小于它的个数。在建立树状数组之前要注意进行离散化,我的离散化感觉有点麻烦,用结构体来存的元素val代表原来的值,pre代表最初的顺序,now代表离散化后的数。离散化的数值是从2开始的,因为之后树状数组查询的是查询i-1排除重复的元素,避开i-1值为0。

队友的离散化感觉挺简单的:

		for(int i=0; i < n ; i++){
			scanf("%I64d",&num[i]);
			tmp[i]=num[i];
		}
		sort(tmp,tmp+n);
		ll size=unique(tmp,tmp+n)-tmp ;
		for(int i=0; i < n ; i++){
			num[i]=lower_bound(tmp,tmp+size,num[i]) - tmp + 1;
		}


AC代码(为了方便全部定义为了long long):

#include <iostream>
#include <cmath>
#include <stdio.h>
#include <algorithm>
#include <cstring>
#include <map>

using namespace std;

typedef long long ll;
typedef long long LL;

#define maxn 50050

struct NUM
{
    ll pre;///读入的元素
    ll now;///离散后的数
    ll val;///输入的值
}num[maxn];

bool cmp1(NUM a,NUM b)
{
    if(a.val==b.val)
        return a.pre<b.pre;
    return a.val<b.val;
}

bool cmp(NUM a,NUM b)
{
    return a.pre<b.pre;
}

ll  a[maxn];

ll c[maxn],n;///c[]存储树状数组

ll lowbit(ll x)
{
    return x&(-x);
}

void update(ll i,ll x)
{
    while(i<=n) {c[i]=c[i]+x; i+=lowbit(i);}
}


ll query(ll i)
{
    ll ans=0;
    while(i>0)  {ans+=c[i]; i-=lowbit(i);}
    return ans;
}

struct type///记录每个数的左右比他大的和小的个数
{
    ll lbig,llow,rbig,rlow;
}numflag[maxn];

int main()
{
    ll N;
    while(~scanf("%I64d",&N))
    {
        for(ll i=1;i<=N;i++)
        {
            scanf("%I64d",&num[i].val);
            num[i].pre=i;
        }
        sort(num+1,num+1+N,cmp1);
        num[1].now=2;
        n=2;
        for(ll i=2;i<=N;i++)
        {
           if(num[i].val!=num[i-1].val)
                n++;
            num[i].now=n;
        }
        sort(num+1,num+1+N,cmp);

        memset(c,0,sizeof(c));
        for(ll i=1;i<=N;i++)
        {
            update(num[i].now,1);
            numflag[i].llow=query(num[i].now-1);
            numflag[i].lbig=i-query(num[i].now);
        }
        memset(c,0,sizeof(c));///逆序建立新的树状数组
        for(int i=N;i>=1;i--)
        {
            update(num[i].now,1);
            numflag[i].rlow=query(num[i].now-1);
            numflag[i].rbig=N-i+1-query(num[i].now);
        }
        ll suml=0,sumr=0;///suml顺序对的个数,sumr逆序对的个数
        for(int i=1;i<=N;i++)
        {
            suml+=numflag[i].lbig;
            sumr+=numflag[i].rbig;
        }
        ll ans=suml*sumr;
        for(int i=1;i<=N;i++)///除重操作
        {
            ans-=numflag[i].llow*numflag[i].lbig;
            ans-=numflag[i].llow*numflag[i].rlow;
            ans-=numflag[i].rbig*numflag[i].rlow;
            ans-=numflag[i].lbig*numflag[i].rbig;
        }
        printf("%I64d\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