2827: 千山鸟飞绝 非旋treap

国际惯例的题面:

看起来很不可做的样子,我们先来整理一下题意吧。
就是,维护每个点曾经拥有过的最大的两个属性值,支持把点的位置移动。
我们用map对每个位置进行离散化,对每个位置建立一个平衡树。为了方便分离,这个平衡树的关键字是节点编号。
然后把每个点当做一个节点,放进其所在位置的平衡树里。
剩下要做的就是平衡树分离出一个点,合并一个点,还有打标记了。
对于士气值的标记,我们维护平衡树中的max,每次合并的时候,用这个新点的威武值去给整棵树打标记,再用树中的max给这个新点打标记。
团结值的标记,合并后一起打就好了。另外其实我们不需要在平衡树上维护size的,再开个map维护下就好了。
最后查询的时候,为了让标记全部下放,我们强行把每个点都拆出来就行了。
非旋treap常数略大(可能我的姿势不是很正确QAQ)

代码:

  1 #pragma GCC optimize(2)
  2 #include<cstdio>
  3 #include<cstring>
  4 #include<algorithm>
  5 #include<map>
  6 #include<cctype>
  7 typedef long long int lli;
  8 const int maxn=5e5+1e2;
  9 
 10 struct Point {
 11     int x,y;
 12     friend bool operator < (const Point &a,const Point &b) {
 13         return a.x != b.x ? a.x < b.x : a.y < b.y;
 14     }
 15 };
 16 
 17 std::map<int,int> siz;
 18 int w[maxn],hsw[maxn],hss[maxn],fix[maxn],bel[maxn];
 19 int lson[maxn],rson[maxn],lazyw[maxn],lazys[maxn],mxw[maxn];
 20 int root[maxn];
 21 
 22 typedef std::pair<int,int> pii;
 23 __inline pii mp(const int &x,const int &y) { return std::make_pair(x,y); }
 24 
 25 inline void maintain(int pos) {
 26     mxw[pos] = std::max( std::max(mxw[lson[pos]],mxw[rson[pos]]) , w[pos] );
 27 }
 28 inline void applyw(int pos,const int &ww) {
 29     if( !pos ) return;
 30     lazyw[pos] = std::max( lazyw[pos] , ww ) , hsw[pos] = std::max( hsw[pos] , ww );
 31 }
 32 inline void applys(int pos,const int &ss) {
 33     if( !pos ) return;
 34     lazys[pos] = std::max( lazys[pos] , ss ) , hss[pos] = std::max( hss[pos] , ss );
 35 }
 36 inline void push(int pos) {
 37     if( lazyw[pos] ) applyw(lson[pos],lazyw[pos]) , applyw(rson[pos],lazyw[pos]) , lazyw[pos] = 0;
 38     if( lazys[pos] ) applys(lson[pos],lazys[pos]) , applys(rson[pos],lazys[pos]) , lazys[pos] = 0;
 39 }
 40 inline pii split(int pos,int tar) { // split first tar nodes into left .
 41     if( !pos ) return mp(0,0);
 42     push(pos);
 43     if( tar < pos ) { // split left .
 44         pii spl = split(lson[pos],tar);
 45         lson[pos] = spl.second , maintain(pos);
 46         return mp(spl.first,pos);
 47     } else {
 48         pii spr = split(rson[pos],tar);
 49         rson[pos] = spr.first , maintain(pos);
 50         return mp(pos,spr.second);
 51     }
 52 }
 53 inline int merge(int x,int y) {
 54     if( x == y || !x || !y ) return x | y;
 55     push(x) , push(y);
 56     if( x > y ) std::swap(x,y);
 57     if( fix[x] < fix[y] ) { // x will be the father .
 58         rson[x] = merge(rson[x],y) , maintain(x);
 59         return x;
 60     } else {
 61         lson[y] = merge(x,lson[y]) , maintain(y);
 62         return y;
 63     }
 64 }
 65 
 66 inline void remove(int x) { // split x from it's tree into a single node .
 67     pii spr = split(root[bel[x]],x) , spl = split(spr.first,x-1);
 68     root[bel[x]] = merge(spl.first,spr.second) , --siz[bel[x]];
 69 }
 70 inline void insert(int x,int id) { // insert x into root[id] .
 71     applyw(root[id],w[x]) , applyw(x,mxw[root[id]]);
 72     pii sp = split(root[id],x);
 73     root[id] = merge(merge(sp.first,x),sp.second) , applys(root[id],siz[id]++);
 74 }
 75 
 76 inline int getpos(const Point &p) {
 77     static std::map<Point,int> cov;
 78     static int cnt = 0;
 79     if( cov.find(p) == cov.end() ) return cov[p] = ++cnt;
 80     else return cov[p];
 81 }
 82 
 83 inline char nextchar() {
 84     static const int BS = 1 << 21;
 85     static char buf[BS],*st=buf+BS,*ed=st;
 86     if( st == ed ) ed = buf + fread(st=buf,1,BS,stdin);
 87     return st == ed ? -1 : *st++;
 88 }
 89 inline int getint() {
 90     int ret = 0 , fix = 1 , ch;
 91     while( !isdigit(ch=nextchar()) ) fix = ch == '-' ? -fix : fix;
 92     do ret=ret*10+ch-'0'; while( isdigit(ch=nextchar()) );
 93     return ret * fix;
 94 }
 95 
 96 int main() {
 97     static int n,t;
 98     n = getint();
 99     for(int i=1,x,y;i<=n;i++) mxw[i] = w[i] = getint() , x = getint() , y = getint() , insert(i,bel[i]=getpos((Point){x,y})) , fix[i] = i;
100     t = getint() , std::random_shuffle(fix+1,fix+1+n);
101     for(int i=1,p,x,y;i<=t;i++) p = getint() , x = getint() , y = getint() , remove(p) , insert(p,bel[p]=getpos((Point){x,y}));
102     for(int i=1;i<=n;i++) remove(i);
103     for(int i=1;i<=n;i++) printf("%lld\n",(lli)hss[i]*hsw[i]);
104     return 0;
105 }
View Code



遠くても 届かなくても
即使已经远逝 已经无法传达
今宵、確かな夢を刻む
今宵、仍然能刻画出一个真切的梦
始まりの朝 一人ぼっち同士の誰かも
在新的早晨 让那些同样独身的沦落人
笑顔になってゆく
也能逐渐绽放出笑颜

カタチ取る この胸の中
将这情景在心中幻化成形
ずっと、いつでも描けるよう
一直、无论何时都能描绘出来
ささやかな嘘 さみしくないよ、なんて 微笑った
微微笑着说出一个小小的谎言 我并不寂寞哦
風に 揺れるけど
在风中 依旧不变的摇曳着

转载于:https://www.cnblogs.com/Cmd2001/p/9016697.html

  • 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