【AcWing 101】最高的牛 差分 思维

该博客介绍了如何使用差分法解决AcWing上的101题「最高的牛」。题目要求在已知最高牛的身高和能够相互看见的牛对关系下,求每头牛的最大可能身高。博客提到了三种可能的情况,并解释了如何通过差分操作更新牛的身高,以避免区间交集。最后,博主给出了AC代码,处理了重复的牛对关系。
摘要由CSDN通过智能技术生成

有 N 头牛站成一行,被编队为1、2、3…N,每头牛的身高都为整数。

当且仅当两头牛中间的牛身高都比它们矮时,两头牛方可看到对方。

现在,我们只知道其中最高的牛是第 P 头,它的身高是 H ,剩余牛的身高未知。

但是,我们还知道这群牛之中存在着 M 对关系,每对关系都指明了某两头牛 A 和 B 可以相互看见。

求每头牛的身高的最大可能值是多少。

输入格式
第一行输入整数N,P,H,M,数据用空格隔开。

接下来M行,每行输出两个整数 A 和 B ,代表牛 A 和牛 B 可以相互看见,数据用空格隔开。

输出格式
一共输出 N 行数据,每行输出一个整数。

第 i 行输出的整数代表第 i 头牛可能的最大身高。

数据范围
1≤N≤10000,
1≤H≤1000000,
1≤A,B≤10000,
0≤M≤10000
输入样例:
9 3 5 5
1 3
5 3
4 3
3 7
9 8
输出样例:
5
4
5
3
4
4
5
5
5
注意:
此题中给出的关系对可能存在重复

题意:如题

思路:

首先,我们先找出满足题意的状态是怎么样的
在这里插入图片描述
如题目所说,两头牛ab能相互看到,必须区间【a+1,b-1】内的牛的高度都比两头牛低。那么,很显然,不可能有这么一种情况,ab能相互看见,而同时又有c∈【a+1,b-1】看到区间外面的牛。即下面这种情况是不存在的
在这里插入图片描述
如图,不存在这种对。
那么,也就是说,我们的m对中,因为结果是合法的,所以一定不存在区间的交集。
所以,情况无非三种
第一种区间嵌套
在这里插入图片描述
第二种就是无交集
在这里插入图片描述
第三种是有共同端点
在这里插入图片描述
那么,那第一种最具代表性来说,我们拿到一个【a,b】区间,那么我就可以贪心地对区间内部所有元素都-1,这样就满足ab比区间内部都要大(假设序列初始值相同)。然后区间内又有一对的话,同理操作。那么,问题就变成了,拿一个【a,b】区间,我只管对区间内部元素-1即可。那么,差分操作顺理成章而来了。
设开始的位置height[1] = H(题给最大值),因为第一个元素是肯定可以取到最大值的,前面没有任何区间限制它。然后刚开始其他height[i]的值都为0,代表都是H的高度。然后来一个区间,就height[a+1]- -,height[b]++即可。
最后注意一下题目有重复的点对,用set去重即可

AC代码:

#include<iostream>
#include<string>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<map>
#include <queue>
#include<sstream>
#include <stack>
#include <set>
#include<vector>
#include <unordered_set>
#define FAST ios::sync_with_stdio(false)
#define abs(a) ((a)>=0?(a):-(a))
#define sz(x) ((int)(x).
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
二维差分是一种常用的数据结构和算法巧,用于高效地处理二维矩阵区间的更新和查询操作。它可以在O(1)的时间复杂度内完成区间的更新和查询操作,相比传统的暴力遍历方法,具有更高的效率。 二维差分的基本思想是将原始矩阵转化为一个差分矩阵,差分矩阵中的每个元素表示原始矩阵中相邻元素之间的差值。通过对差分矩阵进行预处理,可以实现对原始矩阵区间的更新和查询操作。 具体来说,二维差分的操作包括两个步骤:预处理和操作。预处理阶段,需要根据原始矩阵构建差分矩阵;操作阶段,可以通过对差分矩阵的更新来实现对原始矩阵区间的更新,同时可以通过对差分矩阵的求和来实现对原始矩阵区间的查询。 下面是二维差分的基本操作: 1. 构建差分矩阵:对于原始矩阵A,构建一个差分矩阵B,其中B[i][j] = A[i][j] - A[i-1][j] - A[i][j-1] + A[i-1][j-1]。 2. 区间更新:对于原始矩阵A的一个区间[left, right] x [top, bottom],将差分矩阵B的相应位置进行更新,即B[left][top] += val,B[right+1][top] -= val,B[left][bottom+1] -= val,B[right+1][bottom+1] += val。 3. 区间查询:对于原始矩阵A的一个区间[left, right] x [top, bottom],通过求和差分矩阵B的相应位置得到区间和,即sum = B[right][bottom] - B[left-1][bottom] - B[right][top-1] + B[left-1][top-1]。 二维差分可以广泛应用于各种算法问题,例如矩阵区间求和、矩阵区间更新等。它的时间复杂度较低,适用于处理大规模的数据。
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