The 2024 ICPC Kunming Invitational Contest F. Collect the Coins(二分)

在知乎内查看

题目

img

思路来源

官方题解

题解

一旦某个速度v满足,那么大于速度v的都满足,所以可以被二分,但是二分的check不好想,卡住了

最后去看了题解,其实维护的是,一个机器人在目标点收集硬币时,另一个机器人可能在的位置的范围

这个范围是一个连续的区间,并且在后面的变化过程中,也仍然会是连续的区间

所以,按时间顺序增序,

一开始,令其中一个机器人站在第一枚硬币上,那么另一个机器人的初始范围是 [ 1 , 1 0 9 ] [1,10^9] [1,109]

往后都维护这一个端点和一个区间

对于一枚新来的硬币,判断两个机器人是否可以接住这枚硬币,有四种情况:

  1. 如果端点所在的机器人能接住,而区间所在的机器人接不住,令端点所在的机器人去接,区间机器人只能往在这段时间往左右走,扩大活动范围

  2. 如果端点所在的机器人接不住,而区间所在的机器人能接住,令区间所在的机器人去接,并变成一个端点,原来端点所在的机器人在这段时间可以往左右走,扩大活动范围,变成一个区间

  3. 如果两个都能接住,那么谁去接都可以,实际就是1、2两种情况的并,然后发现1、2两个区间是有交的,那么他们的并集仍然是一个区间,所以还是维护一个端点和一个区间

  4. 如果都接不住,无解

事实上,只要同一秒不存在3个不同位置的机器人的话,总会是有解的

不过二分也统一了这种情况,v 大于 1 0 9 10^9 109 时认为没解就好了

代码

#include<bits/stdc++.h>
#include<iostream>
#include<cstdio>
#include<vector>
#include<queue>
#include<map>
#include<set>
using namespace std;
#define rep(i,a,b) for(int i=(a);i<=(b);++i)
#define per(i,a,b) for(int i=(a);i>=(b);--i)
typedef long long ll;
typedef double db;
typedef pair<ll,ll> P;
#define fi first
#define se second
#define pb push_back
#define dbg(x) cerr<<(#x)<<":"<<x<<" ";
#define dbg2(x) cerr<<(#x)<<":"<<x<<endl;
#define SZ(a) (int)(a.size())
#define sci(a) scanf("%d",&(a))
#define pt(a) printf("%d",a);
#define pte(a) printf("%d\n",a)
#define ptlle(a) printf("%lld\n",a)
#define debug(...) fprintf(stderr, __VA_ARGS__)
const int N=1e6+10;
const ll INF=1e9;
int t,n,c,x[N];
P a[N];
bool can(P x,P y,ll v){
    return abs(x.se-y.se)<=v*abs(x.fi-y.fi);
}
bool ok(ll v){
    int p=1;
    ll l=1,r=INF;
    rep(i,2,n){
        ll T=a[i].fi-a[p].fi,d=T*v;
        bool x=can(a[i],a[p],v),y=(l-d<=a[i].se && a[i].se<=r+d);
        if(x && y){
            l=min(l-d,a[p].se-d);
            r=max(r+d,a[p].se+d);
        }
        else if(x){
            l=l-d;
            r=r+d;
        }
        else if(y){
            l=a[p].se-d;
            r=a[p].se+d;
        }
        else{
            return 0;
        }
        p=i;
        l=max(1ll,l);
        r=min(INF,r);
    }
    return 1;
}
ll sol(){
    sci(n);
    rep(i,1,n){
        scanf("%lld%lld",&a[i].fi,&a[i].se);
    }
    ll l=0,r=INF;
    while(l<=r){
        ll mid=(l+r)/2;
        if(ok(mid))r=mid-1;
        else l=mid+1;
    }
    if(l>INF)return -1;
    return l;
}
int main(){
    sci(t);
    while(t--){
        ptlle(sol());
    }
    return 0;
}
### 问题分析 2024 ICPC Latin America Championship Problem C, "Clever Cell Choices", 是一道算法竞题目,通常涉及图论或几何问题。题目要求选手在一个由正六边形组成的蜂窝状网格中,选择若干个单元格,满足特定的条件。具体条件可能包括选择的单元格之间不能相邻,或者需要最大化某种价值函数。 这类问题通常可以归类为**最大独立集**问题或**动态规划**问题,具体取决于题目条件的复杂性。在 ICPC 等高水平编程竞中,这类问题往往需要高效的算法设计,例如基于树的动态规划、状态压缩动态规划,或是图论中的最大匹配与独立集算法。 ### 解题思路 如果题目要求在蜂窝状网格中选择若干单元格,使得任意两个被选中的单元格之间不相邻,并且使得所选单元格的总价值最大,则可以将问题建模为图论中的最大权独立集问题。由于蜂窝结构的特殊性,可以将其视为一个图,每个单元格是一个节点,相邻关系用边表示。由于该图是**二分图**(蜂窝结构可以被证明为二分图),因此可以利用**最大匹配**算法求解最大独立集。 在这种情况下,解法通常包括以下几个步骤: 1. **建模图结构**:将蜂窝网格表示为图,每个单元格为一个节点,相邻的单元格之间建立边。 2. **构建二分图**:由于蜂窝结构是二分图,可以将其划分为两个部分,分别表示为图的两个集合。 3. **最大匹配算法**:使用匈牙利算法或更高效的 Hopcroft-Karp 算法求解最大匹配。 4. **计算最大独立集**:根据二分图的性质,最大独立集的大小等于顶点总数减去最大匹配数。 ### 代码示例 以下是一个简化的 Python 示例,展示如何在二分图中使用 Hopcroft-Karp 算法求解最大匹配问题。实际比中可能需要根据题意调整图的构建方式和权重处理: ```python from collections import deque def hopcroft_karp(graph, U, V): pair_U = {u: None for u in U} pair_V = {v: None for v in V} dist = {} def bfs(): queue = deque() for u in U: if pair_U[u] is None: dist[u] = 0 queue.append(u) else: dist[u] = float('inf') dist[None] = float('inf') while queue: u = queue.popleft() if dist[u] < dist[None]: for v in graph[u]: if dist[pair_V[v]] == float('inf'): dist[pair_V[v]] = dist[u] + 1 queue.append(pair_V[v]) return dist[None] != float('inf') def dfs(u): if u is not None: for v in graph[u]: if dist.get(pair_V[v], float('inf')) == dist[u] + 1: if dfs(pair_V[v]): pair_V[v] = u pair_U[u] = v return True dist[u] = float('inf') return False return True matching_size = 0 while bfs(): for u in U: if pair_U[u] is None: if dfs(u): matching_size += 1 return matching_size # 示例图结构 graph = { 'A': ['1', '2'], 'B': ['1', '3'], 'C': ['2', '3'], 'D': ['4'] } U = ['A', 'B', 'C', 'D'] V = ['1', '2', '3', '4'] max_matching = hopcroft_karp(graph, U, V) print("Maximum matching size:", max_matching) ``` ### 复杂度分析 - **时间复杂度**:Hopcroft-Karp 算法的时间复杂度为 $ O(E\sqrt{V}) $,其中 $ E $ 是边的数量,$ V $ 是顶点数量。这使得它在大多数竞场景中足够高效。 - **空间复杂度**:需要额外存储图的邻接表以及匹配关系,空间复杂度为 $ O(V + E) $。 ### 总结 "Clever Cell Choices" 这类问题通常需要结合图论和高效算法来求解。通过将蜂窝结构建模为二分图,并利用最大匹配算法,可以有效地求解最大独立集问题。实际比中,需要注意图的构建方式以及算法的实现细节,以确保程序在时间限制内完成计算。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

小衣同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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