【JZOJ 4680】自然数

Description

这里写图片描述

Solution

先预处理一下mex(1,1...n)
每次移动开头,那么有影响的就只有mex>=ai~ai,这一个区间,其他区间的答案不变,
用线段树来维护即可,
复杂度:O(nlog(n))

Code

#include<iostream>
#include<cstdio>
#include<cstdlib>
#define fo(i,a,b) for(int i=a;i<=b;i++)
#define fod(i,a,b) for(int i=a;i>=b;i--)
using namespace std;
typedef long long LL;
const int N=200500,maxlongint=2147483640;
int read(int &n)
{
    char ch=' ';int q=0,w=1;
    for(;(ch!='-')&&((ch<'0')||(ch>'9'));ch=getchar());
    if(ch=='-')w=-1,ch=getchar();
    for(;ch>='0' && ch<='9';ch=getchar())q=q*10+ch-48;n=q*w;return n;
}
LL ans;
int m,n,b1[N*3];
int a[N],a1[N];
int z[N];
LL b[3*N],la[N*3];
void doit(int l,int r,int e)
{
    if(la[e]==-1)return;
    b[e]=(r-l+1)*la[e];b1[e]=la[e];
    if(l!=r)la[e*2]=la[e*2+1]=la[e];
    la[e]=-1;
}
void change(int l,int r,int e,int l1,int r1,int l2)
{
    if(l1>r1)return;
    if(l==l1&&r==r1)
    {
        la[e]=l2;
        doit(l,r,e);
        return;
    }
    int t=(l+r)/2;
    doit(l,t,e*2),doit(t+1,r,e*2+1);
    if(r1<=t)change(l,t,e*2,l1,r1,l2);
        else if(t<l1)change(t+1,r,e*2+1,l1,r1,l2);
            else change(l,t,e*2,l1,t,l2),change(t+1,r,e*2+1,t+1,r1,l2);
    b[e]=b[e*2]+b[e*2+1];
    b1[e]=max(b1[e*2],b1[e*2+1]);
}
LL fsum(int l,int r,int e,int l1,int r1)
{
    if(l1>r1)return 0;
    if(l==l1&&r==r1)return b[e];
    int t=(l+r)/2;
    doit(l,t,e*2),doit(t+1,r,e*2+1);
    if(r1<=t)return fsum(l,t,e*2,l1,r1);
        else if(t<l1)return fsum(t+1,r,e*2+1,l1,r1);
            else return fsum(l,t,e*2,l1,t)+fsum(t+1,r,e*2+1,t+1,r1);
}
int find(int l,int r,int e,int l2)
{
    if(l==r)return l;
    int t=(l+r)/2;
    doit(l,t,e*2),doit(t+1,r,e*2+1);
    if(b1[e*2]>=l2)return find(l,t,e*2,l2);
    return find(t+1,r,e*2+1,l2);
}
int main()
{
    int q,w;
    read(n);
    fo(i,1,n)
    {
        read(a[i]);
        if(a[i]>n)a[i]=n+1;
    }
    fill(la,la+3*n,-1);
    fill(z,z+n+3,n+1);
    fod(i,n,1)a1[i]=z[a[i]],z[a[i]]=i;
    q=0;fill(z,z+n+3,0);
    a[n+1]=n+1;
    fo(i,1,n)
    {
        z[a[i]]=1;
        while(z[q])q++;
        change(1,n+1,1,i,i,q);
        ans+=q;
    }
    change(1,n+1,1,n+1,n+1,n+2);
    fo(i,1,n-1)
    {
        q=a1[i];
        ans+=fsum(1,n+1,1,q,n);
        q--;if(q==i)continue;
        w=min(find(1,n+1,1,a[i]),q+1);
        ans+=fsum(1,n+1,1,i,w-1)+(LL)a[i]*(q-w+1);
        change(1,n+1,1,w,q,a[i]);
    }
    printf("%lld\n",ans);
    return 0;
}
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
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