P1637 三元上升子序列

暴力是三重循环,枚举三个数判断是否组成三元上升子序列,但是N有30000,O(N3)直接枚举肯定是会T的,不难发现当中间的数为a[i]时它所贡献出的三元上升子序列
的个数为1~i-1中比a[i]小的数的个数乘i+1~N中比a[i]大的数的个数.这很容易就会想到逆序对(虽然还是有点不同),逆序对的常用方法归并没法求出每个数的逆序对个数(可能可以只不过我不会),所以就很容易想到线段树.
做法和权值线段树类似

如图1所示,每个叶节点表示一个数,所以就可以在logN的时间复杂度内算出在整颗线段树中比某个数大或小的数的个数.只要对于每个数查询出比他小的数的个数(small[i])并记录下来再把这个数加入这颗线段树.同理,将所有的数倒着放入,查询出在当前线段树中比这个数大的数的个数那么这个数(big)的贡献就是(small[i]*big).
数的个数比较大,没法直接加入线段树,所以需要先离散化.

#include<bits/stdc++.h>
#define rap(i,first,last) for(int i=first;i<=last;++i)
#define sing(i,first,last) for(int i=first;i>=last;--i)
#define Lson now*2
#define Rson now*2+1
#define Middle (left+right)/2
#define Left Lson,left,Middle
#define Right Rson,Middle+1,right
using namespace std;
const int maxN=1e5+7;
int N,M;
int tree[maxN*4];
void PushUp(int now)
{
	tree[now]=tree[Lson]+tree[Rson];
}
void Build(int now=1,int left=1,int right=N)//建树,虽然没什么用
{
	if(left==right)
	{
		tree[now]=0;
		return;
	}
	Build(Left);
	Build(Right);
	PushUp(now);
}
void UpData(int num,int now=1,int left=1,int right=N)//修改
{
	if(num<left||right<num)return;
	if(left==right)//当是叶节点时直接修改
	{
		tree[now]++;
		return;
	}
	UpData(num,Left);
	UpData(num,Right);
	PushUp(now);//不是叶节点时需要在子树修改后修改,其实没有必要,反正都是+1
}
int Query_small(int num,int now=1,int left=1,int right=N)//查询当前数中比num小的数的个数
{
	if(left>=num)return 0;//当当前的数的区间的最小值也比num大时自然整个区间都不会有比num小的数了
	if(right<num)//当当前区间的最大值也比num小时整个区间里的数也就比num小了
	{
		return tree[now];
	}
	int result=0;//返回的值为左子树中比num小的数的个数+右子树中比num小的数的个数
	result+=Query_small(num,Left);
	result+=Query_small(num,Right);
	return result;
}
int Query_big(int num,int now=1,int left=1,int right=N)//与上同理
{
	if(right<=num)return 0;
	if(left>num)
	return tree[now];
	int result=0;
	result+=Query_big(num,Left);
	result+=Query_big(num,Right);
	return result;
}
map<int,int>Hash;//因为懒所以直接map离散化
int arr[maxN];
int sor[maxN];
int small[maxN];
int main()
{
	scanf("%d",&M);
	rap(i,1,M)
	{
		scanf("%d",&arr[i]);
		sor[i]=arr[i];
	}
	//离散化
	sort(sor+1,sor+1+M);
	int now=1;
	Hash[sor[1]]=1;
	rap(i,2,M)
	{
		if(sor[i]!=sor[i-1])
		{
			Hash[sor[i]]=++now;
		}
	}
	N=now;//数的大小为不同的数的个数
	long long answer=0;
	Build();
	rap(i,1,M)
	{
		small[i]=Query_small(Hash[arr[i]]);//查询出当前比这个数小的数的个数
		UpData(Hash[arr[i]]);//插入这个数
	}
	Build();
	sing(i,M,1)
	{
		answer+=small[i]*Query_big(Hash[arr[i]]);//计算这个数的贡献
		UpData(Hash[arr[i]]);
	}
	printf("%lld",answer);//输出answer,注意long long
	return ~0;
}

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
为了求出长度为 3 的公共子序列及其个数,我们可以使用动态规划算法,具体步骤如下: 1. 定义一个二维数组 dp,其中 dp[i][j] 表示第一个序列前 i 个数和第二个序列前 j 个数中,最长的公共子序列的长度。 2. 初始化 dp 数组,即 dp[0][j] 和 dp[i][0] 均为 0。 3. 根据状态转移方程,计算 dp[i][j] 的值。方程如下: if (a[i-1] == b[j-1]) { dp[i][j] = dp[i-1][j-1] + 1; } else { dp[i][j] = max(dp[i-1][j], dp[i][j-1]); } 其中,a 和 b 分别表示两个序列。 4. 遍历 dp 数组,找到长度为 3 的公共子序列及其个数,并将它们存储起来。 以下是 Python 代码实现: ```python def find_common_subsequence(a, b): n, m = len(a), len(b) dp = [[0] * (m+1) for _ in range(n+1)] count = 0 common_subsequence = [] for i in range(1, n+1): for j in range(1, m+1): if a[i-1] == b[j-1]: dp[i][j] = dp[i-1][j-1] + 1 if dp[i][j] == 3: count += 1 common_subsequence.append((i-3, i-2, i-1)) else: dp[i][j] = max(dp[i-1][j], dp[i][j-1]) return count, common_subsequence ``` 以上代码中,common_subsequence 存储的是所有长度为 3 的公共子序列,每个子序列用一个三元组来表示,例如 (i, j, k) 表示第一个序列中第 i, j, k 个数和第二个序列中对应的三个数组成了一个长度为 3 的公共子序列。 需要注意的是,以上代码只能计算长度为 3 的公共子序列及其个数,如果需要计算其它长度的公共子序列,需要进行相应的修改。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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