【BZOJ 3262】 陌上花开

3262: 陌上花开

Time Limit: 20 Sec Memory Limit: 256 MB
Submit: 366 Solved: 163
[Submit][Status][Discuss]
Description

有n朵花,每朵花有三个属性:花形(s)、颜色(c)、气味(m),又三个整数表示。现要对每朵花评级,一朵花的级别是它拥有的美丽能超过的花的数量。定义一朵花A比另一朵花B要美丽,当且仅当Sa>=Sb,Ca>=Cb,Ma>=Mb。显然,两朵花可能有同样的属性。需要统计出评出每个等级的花的数量。
Input

第一行为N,K (1 <= N <= 100,000, 1 <= K <= 200,000 ), 分别表示花的数量和最大属性值。
以下N行,每行三个整数si, ci, mi (1 <= si, ci, mi <= K),表示第i朵花的属性
Output

包含N行,分别表示评级为0…N-1的每级花的数量。
Sample Input

10 3

3 3 3

2 3 3

2 3 1

3 1 1

3 1 2

1 3 1

1 1 2

1 2 2

1 3 2

1 2 1

Sample Output

3

1

3

0

1

0

1

0

0

1

HINT

1 <= N <= 100,000, 1 <= K <= 200,000

这道题我是用CDQ分治(树套树也可以)来做的。

维护三维偏序:
第一维排序,第二位CDQ分治,第三维树状数组。

首先我们可以把三维都相的合并到一起,一块计算。

我们按照s排序,然后依次把他们赋值为1..tot(这里可以把s类比为id)。

接下来按照c排序,开始CDQ分治。

计算左边对右边的影响的时候:
①左边的s都小于右边
②在每一边c也是依次递增的
③我们只要扫描右边,把左边c小于等于当前的花的花的m加入到树状数组,统计目前树状数组中m小于等于当前扫描到的花的m的个数就是左边三维都小于等于当前花得个数。

#include <iostream>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <cstdio>
#include <cstdlib>
#define M 500005
using namespace std;
int now,n,ans[M],k;
struct data
{
    int c,s,m,num,ans;
}a[M],b[M],q[M];
struct BIT
{
    int v,T;
}t[M*3];
void read(int &tmp)
{
    tmp=0;
    char ch=getchar();
    int fu=1;
    for (;ch<'0'||ch>'9';ch=getchar())
        if (ch=='-') fu=-1;
    for (;ch>='0'&&ch<='9';ch=getchar())
        tmp=tmp*10+ch-'0';
    tmp*=fu;
}
bool cmp(data a,data b)
{
    if (a.s==b.s&&a.c==b.c) return a.m<b.m;
    if (a.s==b.s) return a.c<b.c;
    return a.s<b.s; 
}
bool cmp2(data a,data b)
{
    if (a.c==b.c&&a.s==b.s) return a.m<b.m;
    if (a.c==b.c) return a.s<b.s;
    return a.c<b.c;
}
int lowbit(int x)
{
    return x&(-x);
}
void Update(int x,int p)
{
    for (int i=x;i<=k;i+=lowbit(i))
    {
        if (t[i].T==now) t[i].v+=p;
        else t[i].T=now,t[i].v=p;
    }
}
int Getsum(int x)
{
    int ans=0;
    for (int i=x;i;i-=lowbit(i))
        if (t[i].T==now) ans+=t[i].v;
    return ans;
}
void CDQ(int l,int r)
{
    if (l==r)
    {
        a[l].ans+=(a[l].num-1);
        return;
    }
    int m=(l+r)>>1;
    int q1=l,q2=m+1;
    for (int i=l;i<=r;i++)
        if (q1<=m&&a[i].s<=m)
                q[q1++]=a[i];
        else q[q2++]=a[i];
    for (int i=l;i<=r;i++)
        a[i]=q[i];
    CDQ(l,m);
    now++;
    int j=l;
    for (int i=m+1;i<=r;i++)
    {
        for (;j<=m;j++)
            if (a[i].c>=a[j].c) Update(a[j].m,a[j].num);
            else break;
        a[i].ans+=Getsum(a[i].m);
    }
    CDQ(m+1,r);
    q1=l,q2=m+1;
    for (int i=l;i<=r;i++)
        if ((a[q1].c<=a[q2].c||q2>r)&&q1<=m)
            q[i]=a[q1++];
        else q[i]=a[q2++];
    for (int i=l;i<=r;i++)
        a[i]=q[i];
}
int main()
{
    now=0;
    read(n);read(k);
    for (int i=1;i<=n;i++)
        read(a[i].s),read(a[i].c),read(a[i].m),a[i].num=1;
    sort(a+1,a+1+n,cmp);
    int tot=0;
    for (int i=1;i<=n;i++)
    {
        int k=(a[i].s==a[i-1].s)&(a[i].c==a[i-1].c)&(a[i].m==a[i-1].m);
        if (i==1||!k)
            a[++tot]=a[i];
        else a[tot].num++;
    }
    for (int i=1;i<=tot;i++)
        a[i].s=i,a[i].ans=0;
    sort(a+1,a+1+tot,cmp2);
    CDQ(1,tot);
    for (int i=1;i<=tot;i++)
        ans[a[i].ans]+=a[i].num;
    for (int i=0;i<n;i++)
        printf("%d\n",ans[i]);
    return 0;
}

这里写图片描述

其实一开始写的CDQ分治并不是这样的,我是在CDQ分治中对c排的序,把c当做类似id的东西来分出左边右边的,那么这样就会有问题了,有多个c相同的时候谁在左边谁在右边?

我用一个变量c记录左边有几个与中间值相同的,nn作为扫描时候的计数器(统计目前等于中间值的有几个了),当计数器大于等于c之后,再碰到等于c的直接放在右边。

(此方法代码长时间长。。)

#include <iostream>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <cstdio>
#include <cstdlib>
#define M 500005
using namespace std;
int now,n,ans[M],k;
struct data
{
    int c,s,m,num,ans;
}a[M],b[M],q[M];
struct BIT
{
    int v,T;
}t[M*3];
void read(int &tmp)
{
    tmp=0;
    char ch=getchar();
    int fu=1;
    for (;ch<'0'||ch>'9';ch=getchar())
        if (ch=='-') fu=-1;
    for (;ch>='0'&&ch<='9';ch=getchar())
        tmp=tmp*10+ch-'0';
    tmp*=fu;
}
bool cmp(data a,data b)
{
    if (a.s==b.s&&a.c==b.c) return a.m<b.m;
    if (a.s==b.s) return a.c<b.c;
    return a.s<b.s; 
}
bool cmp2(data a,data b)
{
    return a.c<b.c;
}
int lowbit(int x)
{
    return x&(-x);
}
void Update(int x,int p)
{
    for (int i=x;i<=k;i+=lowbit(i))
    {
        if (t[i].T==now) t[i].v+=p;
        else t[i].T=now,t[i].v=p;
    }
}
int Getsum(int x)
{
    int ans=0;
    for (int i=x;i;i-=lowbit(i))
        if (t[i].T==now) ans+=t[i].v;
    return ans;
}
void CDQ(int l,int r)
{
    if (l==r)
    {
        a[l].ans+=(a[l].num-1);
        return;
    }
    int m=(l+r)>>1;
    int q1=l,q2=m+1;
    for (int i=l;i<=r;i++)
        b[i]=a[i];
    sort(b+l,b+1+r,cmp2);
    int x=b[m].c;
    int c=1,mm=m,nn=0;
    while (mm-1>=l&&b[mm-1].c==x) 
        mm--,c++;
    for (int i=l;i<=r;i++)
    {   
        if (q1<=m&&a[i].c<=x)
        {
            if (a[i].c==x&&nn==c) q[q2++]=a[i];
            else
            {
                if (a[i].c==x) nn++;
                q[q1++]=a[i];
            }
        }
        else q[q2++]=a[i];
    }
    for (int i=l;i<=r;i++)
        a[i]=q[i];
    CDQ(l,m);
    now++;
    int j=l;
    for (int i=m+1;i<=r;i++)
    {
        for (;j<=m;j++)
            if (a[i].s>=a[j].s) Update(a[j].m,a[j].num);
            else break;
        a[i].ans+=Getsum(a[i].m);
    }
    CDQ(m+1,r);
    q1=l,q2=m+1;
    for (int i=l;i<=r;i++)
        if ((a[q1].s<a[q2].s||q2>r)&&q1<=m)
            q[i]=a[q1++];
        else q[i]=a[q2++];
    for (int i=l;i<=r;i++)
        a[i]=q[i];
}
int main()
{
    now=0;
    read(n);read(k);
    for (int i=1;i<=n;i++)
        read(a[i].s),read(a[i].c),read(a[i].m),a[i].num=1;
    sort(a+1,a+1+n,cmp);
    int tot=0;
    for (int i=1;i<=n;i++)
    {
        int k=(a[i].s==a[i-1].s)&(a[i].c==a[i-1].c)&(a[i].m==a[i-1].m);
        if (i==1||!k)
            a[++tot]=a[i];
        else a[tot].num++;
    }
    for (int i=1;i<=tot;i++)
        a[i].s=i,a[i].ans=0;
    CDQ(1,tot);
    for (int i=1;i<=tot;i++)
        ans[a[i].ans]+=a[i].num;
    for (int i=0;i<n;i++)
        printf("%d\n",ans[i]);
    return 0;
}

这里写图片描述
(WA就是因为没有考虑有多个c相同的情况)

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