CF 967 D. Longest Max Min Subsequence

原题链接:Problem - D - Codeforces

题意:多测,每次给出长度为n的数组,要求找出没有重复元素的,最长的子序列,如果不止一个最长子序列,那么就选择字典序最小的,比较字典序的时候,如果这个元素的下标是奇数,那么就变成负数比较。

思路:线段树+贪心,观察题意可知,最终的子序列肯定是正负相间的,那么对于奇数位置,这个数越大越好,对于偶数位置,这个数越小越好。那么就可以贪心的考虑这个问题,设置二个指针head和tail,head到tail的区间为可以选择的区间,tail+1到n的区间是如果不取tail位置,那么后面就不会出现tail位置这个元素,1到head-1的位置代表元素已经选了的区间。每次选择一个元素然后更新head和tail,head更新成选择元素的后面一个,tail更新成下一个如果不选就不能让子序列最长的位置。head的这个更新方法,明显会错过一些没有使用的元素,但是因为是按照字典序来比较的,所以当前位置优秀会更加的重要。因为元素不能重复选择,所以对于已经选择了的数,不能继续计算最大值或者最小值,那么就可以想到使用线段树来维护最大最小值。本题解给出的代码是线段树同时维护了最大值和最小值所以导致多了二倍的无用空间,所以只能开int,不能用long long。

//冷静,冷静,冷静
//调不出来就重构
//#pragma GCC optimize(2)
//#pragma GCC optimize("O3")
#include<bits/stdc++.h>
#define endl '\n'
using namespace std;
typedef long long ll;
#define ll int
typedef long double ld;
typedef pair<ll,ll> pii;
const int N=3e5+10,mod=1000000007;
ll p[N];
struct segtree
{
	struct node
	{
		ll max1,min1;
	};
	node tree[N<<2];
	void pushup(ll pos)
	{
		tree[pos].max1=max(tree[pos<<1].max1,tree[pos<<1|1].max1);
		tree[pos].min1=min(tree[pos<<1].min1,tree[pos<<1|1].min1);
	}
	void build(ll l,ll r,ll pos)
	{
		if(l==r)
		{
			tree[pos].min1=tree[pos].max1=p[l];
			return;
		}
		ll mid=l+r>>1;
		build(l,mid,pos<<1);build(mid+1,r,pos<<1|1);
		pushup(pos);
	}
	void update(ll nl,ll nr,ll l,ll r,ll pos,ll vel)
	{
		if(nl<=l&&r<=nr)
		{
			tree[pos].max1=tree[pos].min1=vel;
			return;
		}
		ll mid=l+r>>1;
		if(nl<=mid)update(nl,nr,l,mid,pos<<1,vel);
		if(mid+1<=nr)update(nl,nr,mid+1,r,pos<<1|1,vel);
		pushup(pos);
	}
	ll querymax(ll nl,ll nr,ll l,ll r,ll pos)
	{
		if(nl<=l&&r<=nr)
		{
			return tree[pos].max1;
		}
		ll mid=l+r>>1;
		ll max1=0;
		if(nl<=mid)max1=max(max1,querymax(nl,nr,l,mid,pos<<1));
		if(mid+1<=nr)max1=max(max1,querymax(nl,nr,mid+1,r,pos<<1|1));
		return max1;
	}
	ll querymin(ll nl,ll nr,ll l,ll r,ll pos)
	{
		if(nl<=l&&r<=nr)
		{
			return tree[pos].min1;
		}
		ll mid=l+r>>1;
		ll min1=1e9;
		if(nl<=mid)min1=min(min1,querymin(nl,nr,l,mid,pos<<1));
		if(mid+1<=nr)min1=min(min1,querymin(nl,nr,mid+1,r,pos<<1|1));
		return min1;
	}
}st1,st2;
void Jiuyuan()
{
	ll n;cin>>n;
	map<ll,deque<ll>> op;//存相同数的下标 
	for(int i=1;i<=n;i++)
	{
		cin>>p[i];
		op[p[i]].push_back(i);
	}
	st1.build(1,n,1);//维护最大值 
	st2.build(1,n,1);//维护最小值 
	ll m=0,head=1,tail=n;
	for(auto v:op)
	{
		m++;
		tail=min(tail,v.second.back());
	}
	vector<ll> ans;
	for(int i=1;i<=m;i++)
	{
		if(i&1)ans.push_back(st1.querymax(head,tail,1,n,1));//奇数取最大 
		else ans.push_back(st2.querymin(head,tail,1,n,1));//偶数取最小 
		while(op[ans.back()].front()<head)
		{
			op[ans.back()].pop_front();
		}
		head=op[ans.back()].front()+1;//更新head
		while(op[ans.back()].size())//让这个元素的位置不能影响最大值和最小值 
		{
			ll v=op[ans.back()].back();
			st1.update(v,v,1,n,1,-1);
			st2.update(v,v,1,n,1,1e9);
			op[ans.back()].pop_back();
		}
		while(tail<=n)
		{
			if(!op[p[tail]].size())tail++;//如果这个元素已经用了 
			else if(op[p[tail]].back()>tail)tail++;//tail不满足定义的条件 
			else break;
		}
	}
	cout<<m<<endl;
	for(auto v:ans)
	{
		cout<<v<<' ';
	}
	cout<<endl;
}
int main()
{
	ios::sync_with_stdio(0),cin.tie(0),cout.tie(0);
	ll T=1;
	cin>>T;
	while(T--)
	{
		Jiuyuan();
	}
    return 0;
}

  • 10
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 最长公共子序列(Longest Common Subsequence)指的是在两个序列中找到最长的公共子序列,这个公共子序列可以不连续,但是需要保持相对顺序不变。例如,对于序列ABCD和ACDFG,它们的最长公共子序列是ACD。 ### 回答2: 最长公共子序列(Longest Common Subsequence,简称LCS)是指在给定多个序列中,找到最长的一个子序列,该子序列同时出现在这些序列中,并且其他元素的相对顺序保持一致。 举个例子,假设有两个序列A和B,A为[1, 2, 3, 4, 5],B为[2, 4, 5, 6]。它们的一个最长公共子序列是[2, 4, 5],该子序列同时存在于A和B中。 求解LCS的问题可以用动态规划的方法来解决。我们可以构建一个二维数组dp,其中dp[i][j]表示序列A的前i个元素和序列B的前j个元素的LCS长度。那么dp[i][j]可以通过以下方式得到: 1. 如果A[i]等于B[j],则dp[i][j]等于dp[i-1][j-1] + 1; 2. 如果A[i]不等于B[j],则dp[i][j]等于max(dp[i-1][j], dp[i][j-1])。 通过填充整个dp数组,最终可以得到序列A和序列B的LCS长度。要找到具体的LCS序列,则可以通过反向遍历dp数组进行构建。 LCS问题在字符串处理、DNA序列匹配、版本控制等领域都有广泛的应用。其时间复杂度为O(m*n),其中m和n分别为序列A和序列B的长度。 ### 回答3: 最长公共子序列(Longest Common Subsequence)是一个经典的计算机科学问题。给定两个序列S和T,我们要找出它们之间最长的公共子序列。 子序列是从给定序列中按顺序选择几个元素而组成的序列。而公共子序列指的是同时是序列S和T的子序列的序列。 为了解决这个问题,可以使用动态规划的方法。我们可以定义一个二维数组dp,其中dp[i][j]表示序列S的前i个元素和序列T的前j个元素之间的最长公共子序列的长度。 接下来,我们可以使用以下递推关系来填充dp数组: 如果S[i]等于T[j],则dp[i][j] = dp[i-1][j-1] + 1; 如果S[i]不等于T[j],则dp[i][j] = max(dp[i-1][j], dp[i][j-1])。 最后,我们可以通过查看dp[S.length()][T.length()]来得到最长公共子序列的长度。 此外,我们也可以用回溯法来还原最长公共子序列本身。我们可以从dp[S.length()][T.length()]开始,如果S[i]等于T[j],则将S[i]添加到结果序列中,并向左上方移动,即i = i-1,j = j-1。如果S[i]不等于T[j],则根据dp数组的值选择向上(i = i-1)或向左(j = j-1)移动。 总之,最长公共子序列问题是一个经典的计算机科学问题,可以使用动态规划的方法解决。我们可以通过构建二维dp数组来计算最长公共子序列的长度,并可以使用回溯法来还原它本身。
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