HDU-1394 Minimum Inversion Number

http://acm.hdu.edu.cn/showproblem.php?pid=1394

把树的叶子节点作为每个数的对应位置,枚举到第i个数时,我们需要求出前i次插入的数中有多少个比a[i]大,即去寻找已经插入的数中比a[i]大的数的个数,即查询叶子节点a[i]到n的数的个数

求出第一种情况的逆序数后,其他的数可以通过递推来搞出来,一开始是t[1],t[2].t[3],t[4]...t[n] 它的逆序数个数是N个,如果把t[1]放到t[N]后面,逆序数个数会减少t[1]个,相应会增加N-(t[1]+1)  个。

#include<cstdio>
#include<algorithm>
using namespace std;

#define lson l , m ,rt << 1
#define rson m+1 , r , rt << 1 | 1
const int maxn = 5001;
int sum[maxn<<2];
void PushUP(int rt)
{
    sum[rt]=sum[rt<<1]+sum[rt<<1|1];
}

void build(int l,int r,int rt)
{
    sum[rt]=0;
    if(l==r)  return;
    int m=(l+r) >> 1;
    build(lson);
    build(rson);
}

void update(int p,int l,int r,int rt)
{
    if(l==r)
    {
        sum[rt]++;
        return;
    }
    int m= (l+r) >> 1;
    if(p <= m) update(p,lson);
    else update(p,rson);
    PushUP(rt);
}

int query(int L,int R,int l,int r,int rt)
{
    if(L <= l && r <= R)
        return sum[rt];
    int m= (l+r) >> 1;
    int ret = 0;
    if(L <= m) ret+=query(L , R , lson);
    if(R>m) ret+=query(L , R , rson);
    return ret;
}
int a[maxn];
int main()
{
    int n,ans;
    while(~scanf("%d",&n))
    {
        ans=0;
        build(0,n-1,1);
        for(int i=0;i<n;i++)
        {
            scanf("%d",&a[i]);
            ans+=query(a[i],n-1,0,n-1,1);
            update(a[i],0,n-1,1);
        }
        int ret=ans;
        for(int i=0;i<n;i++)
        {
            ans+=n-a[i]-a[i]-1;
            ret=min(ret,ans);
        }
        printf("%d\n",ret);
    }
    return 0;
}


 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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