诈尸了!!! 浅浅浅浅浅浅谈树状数组 + 洛谷P1908 逆序对模板题

咕咕咕,N年没写过博客了,至于为什么,当然是因为懒,自从写上次博客到现在1个月半了,想想自己都学了什么。

开始之前先写篇小作文吧,233。
50天能干什么,50天够一个acm小白从零基础学完数据结,50天能够我骑行横跨中国,50天可以让一个人瘦20斤或胖20斤。50天,珠穆朗玛峰又升高了0.25厘米。当年戊戌变法,百日维新也就是50天的两倍,50天可以在我们这个国家开个大会,修改个宪法。50天,有无数的生命在终点寂静,有无数的生命在地球上降临。时间这个标尺是克苏恩体系下的力量之泉,骨肉在沙漏里化为尘埃,飘然滚下。用50天去谈论千万光年的星系,海底两万米下的水分子,矿山上的石头都是啼笑皆非,但正是一粒粒的尘沙构成了浩瀚无垠的时之沙漏,正是我们已知的110多种元素,构成了我们人类所能理解的宇宙万物表象。《旧约 传道书》里说“日光之下,并无新事”。人是情感性动物,社会性动物,带着自己的情绪一路向前,在黑格尔的虚假目标下前行,像浮士德一样寻找着自己也未知的生活,成为的未知之人。

这50天看了十几本书,看了40部电影美剧英剧日剧,参加了省赛,拿了个铜牌,这50天看了学长们一路金牌,深叹差距,自愧不如,这50天开始对大学的课程毫无兴趣,只想敲敲代码,50天从冬被换到了凉席,不知道下一个50天又是怎样的。

步入正题。

  1. 马拉车算法:求最最长回文子串的。
  2. 数位dp:数位dp的题可以说是板子题。只要知道怎么分解条件,打个模板就a了。注意前导0,这个前导0坑过我两次了。
  3. Nim博弈:这个玩意,打个了sg的模板题,这个说不上会,博弈的游戏分解核心是一个主游戏的胜负分解为子游戏的胜负。
  4. 接下来就是我要说的树状数组了,说些我在树状数组里理解到的东西。

树状数组的思想在于二进制下的区间前缀和,每一个编号i都是一个区间**i到 i-lowbit(i)**的前缀和信息。

将C[]数组的结点序号转化为二进制

1=(001) C[1]=A[1];

2=(010) C[2]=A[1]+A[2];

3=(011) C[3]=A[3];

4=(100) C[4]=A[1]+A[2]+A[3]+A[4];

5=(101) C[5]=A[5];

6=(110) C[6]=A[5]+A[6];

7=(111) C[7]=A[7];

8=(1000) C[8]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8];

对照式子可以发现 C[i]=A[i-2k+1]+A[i-2k+2]+…A[i];
(k为i的二进制中从最低位到高位连续零的长度)例如i=8时,k=3;

可以自行带入验证;

现在引入lowbit(x)

lowbit(x) 其实就是取出x的最低位1 换言之 lowbit(x)=2^k k的含义与上面相同

下面说代码

int lowbit(int t) {return t&(-t); }
-t 代表t的负数 计算机中负数使用对应的正数的补码来表示
例如 :
 t=6(0110) 此时 k=1
-t=-6=(1001+1)=(1010)
 t&(-t)=(0010)=2=2^1

C[i]=A[i-2^ k+1]+A[i-2^k+2]+…A[i];

C[i]=A[i-lowbit(i)+1]+A[i-lowbit(i)+2]+…A[i];

这段代码区域是转载。

区间查询

ll getsum(int num){
    ll res = 0;
    for(int i = num; i >= 1 ; i -= lowbit(i))
        res+=c[i];
    return res;
    //res = a[1]+a[2]+a[3]+.....+a[num];
}

先说题目洛谷P1908 逆序对
输入格式:
第一行,一个数n,表示序列中有n个数。
第二行n个数,表示给定的序列。序列中每个数字不超过1e9。

输出格式:
给定序列中逆序对的数目。

输入
6
5 4 2 6 3 1

输出
11

说明
对于25%的数据,n≤2500.
对于50%的数据,n≤4×10^4.
对于所有数据,n≤5×10^5.
数会有重复的。

利用树状数组区间查询,我们求逆序对就可以实现,第m次存一个第k小的数,这次插入,多的逆序对是之前有多少比k大的。所以也就是用m减去前k的前缀和。
为什么存第k小,因为我们树状数组也是得开数组,如果不改成第k小,而是直接查询1~a[i]有多少个,那数组得开c[1e9]肯定不行,数据最多给1e5个数,所以我们改成第k小小就可以只开1e5大的数组了。

离散化简单说一下,就是开个带编号的结构体,按大小排序好,初始k等于0;
拍好序后给按照依次让其编号=k。注意重复的数。

for(int i = 1; i <= n; i++) {
        if(p[i].x != p[i-1].x) k++;
        arr[p[i].num] = k;
    }

求逆序对的过程:就是我上边说的,看看多少个比这个添加的数小,已经插入的个数减一下。我的num表示已经插入多少个数了。

for(int i = 1; i <= n; i++){
        tot += num - getsum(arr[i]);
        add(arr[i], 1); num++;
    }
/* warm heart, wagging tail,and a smile just for you!
//
//                            _ooOoo_
//                           o8888888o
//                           88" . "88
//                           (| -_- |)
//                           O\  =  /O
//                        ____/`---'\____
//                      .'  \|     |//  `.
//                     /  \|||  :  |||//  \
//                    /  _||||| -:- |||||-  \
//                    |   | \\  -  /// |   |
//                    | \_|  ''\---/''  |   |
//                    \  .-\__  `-`  ___/-. /
//                  ___`. .'  /--.--\  `. . __
//               ."" '<  `.___\_<|>_/___.'  >'"".
//              | | :  `- \`.;`\ _ /`;.`/ - ` : | |
//              \  \ `-.   \_ __\ /__ _/   .-` /  /
//         ======`-.____`-.___\_____/___.-`____.-'======
//                            `=---='
//        ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
//                     佛祖保佑      永无BUG
*/

#include <bits/stdc++.h>
#define ios ios::sync_with_stdio(false)
#define inf 0x3f3f3f3f
#define INF 0x3f3f3f3f3f3f3f3f
#define ll long long
#define FOR(a, b, c) for(int a = b; a <= c; a++)
#define met(a, b) memset(a, b, sizeof(a))
#define mid (l+r)/2
using namespace std;
int lowbit(int x){return x & (-x);}
struct node{
    int x, num;
}p[555555];
int cmp(node a, node b){
    return a.x < b.x;
}
ll arr[555555], c[555555], n;
void add(int num, int x){
    for(int i = num; i <= n; i += lowbit(i))
        c[i] += x;
    //这个是更新,想一下前缀和,比如sum【i】= a[1]+a[2]+.....a[i].
    //我们更新个a[3],那么我们sum[3] sum[4]...sum[i]都得更新。
}

ll getsum(int num){
    ll res = 0;
    for(int i = num; i >= 1 ; i -= lowbit(i))
        res+=c[i];
    return res;
    //res = a[1]+a[2]+a[3]+.....+a[num];
}

int main()
{
	met(c, 0); met(arr, 0); met(p, 0);
    ios; cin >> n;
    for(int i = 1; i <= n; i++){
        cin >> p[i].x;
        p[i].num = i;
    }
    sort(p+1, p+1+n, cmp);
    int k = 0;
    for(int i = 1; i <= n; i++) {
        if(p[i].x != p[i-1].x) k++;
        arr[p[i].num] = k;
    }
    ll tot = 0; //逆序对个数
    int num = 0; //表示已经插入几个数了
    for(int i = 1; i <= n; i++){
        tot += num - getsum(arr[i]);
        add(arr[i], 1); num++; //把这个数从插入,并且个数加一
    }
    cout << tot;
    return 0;
}

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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
评论 1
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