LOJ #2551. 「JSOI2018」列队

题意

iii 个人有一个所在坐标 aia_iai,每次将 i∈[l,r]i \in [l,r]i[l,r] 一一对应地分配到区间 [K,K+r−l][K, K + r - l][K,K+rl] 中,第 iii 个人分配到坐标 xxx 的花费是 ∣ai−x∣|a_i - x|aix。求最小总花费。

Soulution

根据贪心的思想,易证最优方案是将 al∼ara_l \sim a_ralar 按坐标进行排序,然后在区间中从小到大进行分配。
考虑计算答案。便于计算,我们思考如何将花费中的绝对值去掉,发现有一部分人是往左走,贡献为 ai−xa_i - xaix,有一部分人往右走,贡献为 x−aix - a_ixai
由于答案具有单调性,我们可以对 al∼ara_l \sim a_ralar 进行二分。
用主席树维护权值和,在主席树上二分答案。
由于一段连续区间是等差数列,所以我们可以直接计算答案。

Code

//Dlove's template
#include <algorithm>
#include <cstdio>
#include <cmath>
#include <cstdlib>
#include <cstring>
#include <ctime>
#include <iostream>
#include <map>
#include <queue>
#include <set>
#include <stack>
#include <vector>

#define R register
#define ll long long
#define ull unsigned long long
#define db double
#define ld long double
#define sqr(_x) ((_x) * (_x))
#define Cmax(_a, _b) ((_a) < (_b) ? (_a) = (_b), 1 : 0)
#define Cmin(_a, _b) ((_a) > (_b) ? (_a) = (_b), 1 : 0)
#define Max(_a, _b) ((_a) > (_b) ? (_a) : (_b))
#define Min(_a, _b) ((_a) < (_b) ? (_a) : (_b))
#define Abs(_x) (_x < 0 ? (-(_x)) : (_x))

using namespace std;

namespace Dntcry
{
	//char Bs[1 << 22], *Ss = Bs, *Ts = Bs;
	//#define getchar() (Ss == Ts && (Ts = (Ss = Bs) + fread(Bs, 1, 1 << 22, stdin), Ss == Ts) ? EOF : *Ss++) 
	inline int read()
	{
		R int a = 0, b = 1; R char c = getchar();
		for(; c < '0' || c > '9'; c = getchar()) (c == '-') ? b = -1 : 0;
		for(; c >= '0' && c <= '9'; c = getchar()) a = (a << 1) + (a << 3) + c - '0';
		return a * b;
	}
	inline ll lread()
	{
		R ll a = 0, b = 1; R char c = getchar();
		for(; c < '0' || c > '9'; c = getchar()) (c == '-') ? b = -1 : 0;
		for(; c >= '0' && c <= '9'; c = getchar()) a = (a << 1) + (a << 3) + c - '0';
		return a * b;
	}
	const int Maxn = 500010;
	int n, m, cnt;
	int A[Maxn], B[Maxn];
	ll Sum[Maxn], Ans;
	struct node
	{
		int siz;
		ll v;
		node *ls, *rs;
	}t[Maxn << 5], *rt[Maxn], *tot = t, *Null;
	node *make(R node *last)
	{
		*++tot = *last;
		return tot;	
	}
	void Insert(R node *root, R int nowl, R int nowr, R int part)
	{
		root->siz++;
		root->v += part;
		if(nowl == nowr) return ;
		R int mid = nowl + nowr >> 1;
		if(part <= mid) Insert(root->ls = make(root->ls), nowl, mid, part);
		else Insert(root->rs = make(root->rs), mid + 1, nowr, part);
		return ;
	}
	int Query(R node *left, R node *right, R int nowl, R int nowr, R int K)
	{
		if(nowl == nowr) return nowl;
		R int mid = nowl + nowr >> 1;
		if(K + right->ls->siz - left->ls->siz <= mid) return Query(left->ls, right->ls, nowl, mid, K);
		return Query(left->rs, right->rs, mid + 1, nowr, K + right->ls->siz - left->ls->siz);
	}
	bool Check(R int x, R int usel, R int user, R int K)
	{
		R int tmp = Query(rt[usel - 1], rt[user], 1, cnt, x - usel + 1);
		return B[tmp] - (K + x - usel) >= 0;
	}
	ll Solve(R node *left, R node *right, R int nowl, R int nowr, R int usel, R int user)
	{
		if(usel > user || nowl > user || nowr < usel) return 0;
		if(usel <= nowl && nowr <= user) return right->v - left->v;
		R int mid = nowl + nowr >> 1;
		return Solve(left->ls, right->ls, nowl, mid, usel, user) + Solve(left->rs, right->rs, mid + 1, nowr, usel, user);
	}
	int Main()
	{
		n = read(), m = read();
		for(R int i = 1; i <= n; i++) A[i] = read();
		cnt = 2e6;
		Null = rt[0] = t, rt[0]->ls = rt[0]->rs = Null;
		for(R int i = 1; i <= n; i++) Insert(rt[i] = make(rt[i - 1]), 1, cnt, A[i]);
		while(m--)
		{
			R int usel = read(), user = read(), K = read();
			R int part = Query(rt[usel - 1], rt[user], 1, cnt, K - 1);
			if(K == 1) part = 0;
			Ans = (1ll * (K + part) * (part - K + 1) - 1ll * (part + K + user - usel + 1) * (K + user - usel - part)) / 2;
			Ans += Solve(rt[usel - 1], rt[user], 1, cnt, part + 1, cnt);
			Ans -= Solve(rt[usel - 1], rt[user], 1, cnt, 1, part);
			printf("%lld\n", Ans);
		}
		return 0;
	}
}
int main()
{
	return Dntcry :: Main();
}

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
可并堆是一种支持合并操作的堆数据结构,常见的可并堆有左偏树、斜堆、二项堆等。对于 LOJ#P188 可并堆的问题,下面以左偏树为例给出解题思路和代码实现。 ### 解题思路 1. **左偏树的性质**: - 左偏树是一种可并堆,它满足堆性质(小根堆或大根堆),即每个节点的值小于(或大于)其子节点的值。 - 左偏树还满足左偏性质,即每个节点的左子树的距离(到最近的叶子节点的距离)不小于右子树的距离。 2. **合并操作**: - 合并两个左偏树时,比较两个根节点的值,将值较大的根节点的树合并到值较小的根节点的右子树中。 - 合并后,检查右子树的距离是否大于左子树的距离,如果是,则交换左右子树,以维护左偏性质。 3. **插入操作**: - 插入一个新节点可以看作是合并一个只有一个节点的左偏树和原左偏树。 4. **删除操作**: - 删除根节点后,将其左右子树合并成一个新的左偏树。 ### 代码实现 ```python class Node: def __init__(self, val): self.val = val self.left = None self.right = None self.dist = 0 def merge(x, y): if not x: return y if not y: return x if x.val > y.val: x, y = y, x x.right = merge(x.right, y) if not x.left or (x.right and x.left.dist < x.right.dist): x.left, x.right = x.right, x.left x.dist = (x.right.dist + 1) if x.right else 0 return x def insert(root, val): new_node = Node(val) return merge(root, new_node) def delete(root): return merge(root.left, root.right) # 示例使用 root = None root = insert(root, 3) root = insert(root, 1) root = insert(root, 5) print(root.val) # 输出堆顶元素 root = delete(root) print(root.val) # 输出删除堆顶元素后的堆顶元素 ```
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