codeforces 569 div1 Serge and Dining Room(线段树 懒惰传播)

本文介绍了一种使用懒惰传播线段树解决动态更新菜价和顾客预算的问题,通过构建特殊的数据结构,实现了快速查询和更新最贵可购买菜品的功能。

题目大意:

有n个价格的菜,有m个人去买菜,这m个人排队去买,每个人都尽可能去买最贵的菜,题目有q次询问,每次都可能会改n个菜中的某个菜的价格,或者更改m个人中的某个人的钱。问,当m个人买完后,你可以买的最贵的菜是哪个。

若其中一个学生买不了菜,他会退出队列。

数据范围:菜的价格<=1e6 , q<= 3e5 , m,n<= 3e5.

 

题解思路:

通过观察,我们发现,排队对这个问题没有影响,我们在这里可以想象一个数轴,从原点到菜的价格都+1,从原点到学生的钱数都-1,那么我们只要找到最右边是正数的下标,这个下标就是我们可以买的菜,若都是负数,我们可以返回-1。这里我们可以建一个range max query类型的线段树 因为这里需要频繁更新,所以我们需要lazy propagation也就是懒惰传播,所谓懒惰传播就是和以前线段树每次把整棵树都更新的思路不一样,我们在update range的时候,若这时的range已经在query的range里面,我们在这里它的左右区间打个懒惰标签,停止更新,同时本区间的值也要增加。之后询问到有懒惰标签的地方,我们把懒惰标签传递往左右区间传递同时更新懒惰区间值即可。但是这题的更新有一点不一样,这里我们在查询的时候,当把左右区间给传播懒惰标签时,左右区间分别也要更新值 同时继续传播下去,因为这里查询要用到后面的区间的值。

废话:

这题对于我来说有点难想到,把区间变成全1还有-1这种思路是值得学习的。同时也复习了一次lazy propagation,希望下次做到线段树的题的时候,能够正确想到懒惰标签什么时候传播,更重要的是知道怎么询问吧。

#include<bits/stdc++.h>
#define OPEN 0
using namespace std;
const int maxn = 1e6 + 10, N = 1e6;
int st[maxn * 10], lazy[maxn * 10];
void upd(int root, int l, int r, int rl, int rr, int v) {
	if (lazy[root] != 0) {
		//cerr << "lazy propagation " << endl;
		//cerr << l << " " << r << endl;
		int lft = root * 2;
		int rgt = root * 2 + 1;
		if (l != r) {
			lazy[lft] += lazy[root];
			lazy[rgt] += lazy[root];
		}
		st[root] += lazy[root];
		lazy[root] = 0;
	}
	if (l > r || l > rr || r < rl)return;
	if (l >= rl&&r <= rr) {
		//cerr << "update lazy" << endl;
		//cerr << root << " " << l << " " << r << " " << rl << " " << rr << endl;
		int lft = root * 2;
		int rgt = root * 2 + 1;
		if (l != r) {
			lazy[lft] += v;
			lazy[rgt] += v;
		}
		st[root] += v;
		return;
	}
	int lft = root * 2;
	int rgt = root * 2 + 1;
	int m = (l + r) / 2;
	upd(lft, l, m, rl, rr, v);
	upd(rgt, m + 1, r, rl, rr, v);
	st[root] = max(st[lft], st[rgt]);
}
int query(int root, int l, int r){
	if (l == r)return l;
	if (lazy[root] != 0){
		//cerr << "query lazy" << endl;
		//cerr << l << " " << r << endl;
		st[root] += lazy[root];
		int lft = root * 2;
		int rgt = root * 2 + 1;
		if (l != r) {
			lazy[lft] += lazy[root];
			lazy[rgt] += lazy[root];
		}
		lazy[root] = 0;

	}

	int rgt = root * 2 + 1;
	int lgt = root * 2;
	int m = (l + r) / 2;

	if (lazy[lgt] != 0) {

		st[lgt] += lazy[lgt];
		int lft = lgt * 2;
		int rft = lgt * 2 + 1;

		lazy[lft] += lazy[lgt];
		lazy[rft] += lazy[lgt];

		lazy[lgt] = 0;

	}
	if (lazy[rgt] != 0) {

		st[rgt] += lazy[rgt];
		int lft = rgt * 2;
		int rft = rgt * 2 + 1;

		lazy[lft] += lazy[rgt];
		lazy[rft] += lazy[rgt];

		lazy[rgt] = 0;

	}

	if (st[rgt] > 0)return query(rgt, m + 1, r);
	else return query(lgt, l, m);
}
int main() {
#if OPEN
	freopen("in.txt", "r", stdin);
#endif
	memset(lazy, 0, sizeof(lazy));
	memset(st, 0, sizeof(st));
	int n, m;
	cin >> n >> m;
	vector<int> mva;
	for (int i = 0; i < n; i++) {
		int t;
		cin >> t;
		mva.push_back(t);
		upd(1, 1, N, 1, t, 1);
	}
	vector<int> mvb;
	for (int i = 0; i < m; i++) {
		int t;
		cin >> t;
		mvb.push_back(t);
		upd(1, 1, N, 1, t, -1);
	}
	int q;
	cin >> q;

	while (q--) {
		int a, b, c;

		cin >> a >> b >> c;
		if (a == 1) {
			upd(1, 1, N, 1, mva[b - 1], -1);
			mva[b - 1] = c;
			upd(1, 1, N, 1, mva[b - 1], 1);
		}
		else {

			upd(1, 1, N, 1, mvb[b - 1], 1);
			mvb[b - 1] = c;
			upd(1, 1, N, 1, mvb[b - 1], -1);
		}
		if (st[1] <= 0) {
			cout << -1 << endl;
		}
		else cout << query(1, 1, N) << endl;
	}
	return 0;
}

 

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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