Escape from the Hell

Escape from the Hell

[JAG Asia 2016]

容易证明优先选择差值大的更优

对于最后一瓶我们可以枚举

枚举最后一瓶,然后在树状数组上消去它的影响,然后线段树check是否出现被追上的情况,即查询区间最小值。

需要用到两个线段树,因为当二分找到的位置在最后一瓶后面,需要在线段树上消去最后一瓶的影响。

特别注意当差值为负数的时候前缀和就没有单调性了,所以二分要在单调递增区间二分。

#include <bits/stdc++.h>
 
#define ll long long
using namespace std;
const int maxn = 1e5 + 7;
const ll inf = 0x3f3f3f3f3f3f3f3f;
int n;
int C[maxn];
struct node {
    int a, b;
} s[maxn];
 
bool cmp(node x, node y) {
    return x.a - x.b > y.a - y.b;
}
 
ll c[maxn];
ll sum[maxn];
struct tree {
    int l, r;
    ll min1, min2;
} t[maxn << 2];
 
int lowbit(int x) {
    return x & (-x);
}
 
ll getsum(int i) {
    ll res = 0;
    while (i > 0) {
        res += c[i];
        i -= lowbit(i);
    }
    return res;
}
 
void update(int i, ll val) {
    while (i < maxn) {
        c[i] += val;
        i += lowbit(i);
    }
}
 
void build(int p, int l, int r) {
    t[p].l = l, t[p].r = r;
    if (l == r) {
        t[p].min1 = getsum(l) - sum[l];
        t[p].min2 = getsum(l) - sum[l - 1];
        return;
    }
    int mid = (l + r) >> 1;
    build(p << 1, l, mid);
    build(p << 1 | 1, mid + 1, r);
    t[p].min1 = min(t[p << 1].min1, t[p << 1 | 1].min1);
    t[p].min2 = min(t[p << 1].min2, t[p << 1 | 1].min2);
}
 
ll ask1(int p, int l, int r) {
    if (l <= t[p].l && r >= t[p].r) return t[p].min1;
    int mid = (t[p].l + t[p].r) >> 1;
    ll val = inf;
    if (l <= mid) val = min(val, ask1(p << 1, l, r));
    if (r > mid) val = min(val, ask1(p << 1 | 1, l, r));
    return val;
}
 
ll ask2(int p, int l, int r) {
    if (l <= t[p].l && r >= t[p].r) return t[p].min2;
    int mid = (t[p].l + t[p].r) >> 1;
    ll val = inf;
    if (l <= mid) val = min(val, ask2(p << 1, l, r));
    if (r > mid) val = min(val, ask2(p << 1 | 1, l, r));
    return val;
}
 
int erfen(int z, int y, ll x) {
    int l = z, r = y;
    while (l < r) {
        int mid = (l + r) >> 1;
        if (getsum(mid) >= x)r = mid;
        else l = mid + 1;
    }
    return l;
}
 
void dubug() {
    for (int i = 1; i <= n; ++i) {
        cout << ask1(1, i, i) << "    " << ask2(1, i, i) << endl;
    }
}
 
int main() {
    ll L;
    scanf("%d%lld", &n, &L);
    for (int i = 1; i <= n; ++i) {
        scanf("%d%d", &s[i].a, &s[i].b);
    }
    sort(s + 1, s + 1 + n, cmp);
    int k=-1;
    for (int i = 1; i <= n; ++i) {
        if(s[i].a-s[i].b>=0) update(i, s[i].a - s[i].b);
        else if(k==-1){
            k=i-1;
        }
        scanf("%d", &C[i]);
        sum[i] = sum[i - 1] + C[i];
    }
    if(k==-1) k=n;
    build(1, 1, n);
    int minn = n + 1;
    for (int i = 1; i <= n; ++i) {
        if(s[i].a-s[i].b>0) update(i, s[i].b - s[i].a);
        int pp = erfen(1, k + 1, L - s[i].a);
        if (pp != k + 1) {
            if (pp < i) {
                if (ask1(1, 1, pp) > 0) {
                    minn = min(minn, pp + 1);
                }
            } else {
                if (i==1||ask1(1, 1, i - 1) > 0) {
                    if (pp==1||ask2(1, i + 1, pp) - (s[i].a - s[i].b) > 0) {
                        minn = min(minn, pp);
                    }
                }
            }
        }
        if(s[i].a-s[i].b>0)
        update(i, s[i].a - s[i].b);
    }
    if (minn == n + 1) {
        printf("-1\n");
    } else {
        printf("%d\n", minn);
    }
    return 0;
}

转载于:https://www.cnblogs.com/smallocean/p/11518434.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