题目点这里
一个非常好玩的题目
一开始各种推结论没有推出来,后来看到一位大佬提到“凸包”突然明白
首先去掉所有两项速度都比某个人慢的那些,让后开始分析剩下的人
我们设函数
Ti(x)=x/ri+1/si
T
i
(
x
)
=
x
/
r
i
+
1
/
s
i
令
R/S=x
R
/
S
=
x
我们就可以通过比较
Ti(x)
T
i
(
x
)
得到各个选手的用时大小关系
又因为显然
Ti(x)
T
i
(
x
)
是一条直线,所以可以直接单调栈维护上凸壳
最后留在凸包里面的直线就是可以胜利的选手
(p.s不太会写凸包,胡乱写的,数据很水所以过了,如果有人发现有错误请务必在评论区留言)
#include<stdio.h>
#
i
n
c
l
u
d
e
<
s
t
d
i
o
.
h
>
#include<string.h>
#
i
n
c
l
u
d
e
<
s
t
r
i
n
g
.
h
>
#include<algorithm>
#
i
n
c
l
u
d
e
<
a
l
g
o
r
i
t
h
m
>
using namespace std;
u
s
i
n
g
n
a
m
e
s
p
a
c
e
s
t
d
;
struct p{ int a,b,i; } s[200010];
s
t
r
u
c
t
p
{
i
n
t
a
,
b
,
i
;
}
s
[
200010
]
;
int n,m,q[200010],l,r,A[200010],t;
i
n
t
n
,
m
,
q
[
200010
]
,
l
,
r
,
A
[
200010
]
,
t
;
inline double cross(p a,p b){
i
n
l
i
n
e
d
o
u
b
l
e
c
r
o
s
s
(
p
a
,
p
b
)
{
return (1./b.b−1./a.b)/(1./a.a−1./b.a);
r
e
t
u
r
n
(
1.
/
b
.
b
−
1.
/
a
.
b
)
/
(
1.
/
a
.
a
−
1.
/
b
.
a
)
;
}
}
inline bool c1(p a,p b){
i
n
l
i
n
e
b
o
o
l
c
1
(
p
a
,
p
b
)
{
return a.a==b.a?a.b>b.b:a.a<b.a;
r
e
t
u
r
n
a
.
a
==
b
.
a
?
a
.
b
>
b
.
b
:
a
.
a
<
b
.
a
;
}
}
inline bool c2(p a,p b){
i
n
l
i
n
e
b
o
o
l
c
2
(
p
a
,
p
b
)
{
return a.a==b.a?a.b>b.b:a.a>b.a;
r
e
t
u
r
n
a
.
a
==
b
.
a
?
a
.
b
>
b
.
b
:
a
.
a
>
b
.
a
;
}
}
int main(){
i
n
t
m
a
i
n
(
)
{
scanf("%d",&n);
s
c
a
n
f
(
"
%
d
"
,
&
n
)
;
for(int i=1;i<=n;++i) scanf("%d%d",&s[i].a,&s[i].b),s[i].i=i;
f
o
r
(
i
n
t
i
=
1
;
i
<=
n
;
+
+
i
)
s
c
a
n
f
(
"
%
d
%
d
"
,
&
s
[
i
]
.
a
,
&
s
[
i
]
.
b
)
,
s
[
i
]
.
i
=
i
;
sort(s+1,s+1+n,c2);
s
o
r
t
(
s
+
1
,
s
+
1
+
n
,
c
2
)
;
for(int i=1,mx=0;i<=n;++i){
f
o
r
(
i
n
t
i
=
1
,
m
x
=
0
;
i
<=
n
;
+
+
i
)
{
if(s[i].b>mx ∥∥ s[i].b==mx && s[i].a==s[m].a) s[++m]=s[i];
i
f
(
s
[
i
]
.
b
>
m
x
‖
‖
s
[
i
]
.
b
==
m
x
&
&
s
[
i
]
.
a
==
s
[
m
]
.
a
)
s
[
+
+
m
]
=
s
[
i
]
;
mx=max(mx,s[i].b);
m
x
=
m
a
x
(
m
x
,
s
[
i
]
.
b
)
;
}
}
sort(s+1,s+1+m,c1); q[l=r=1]=1;
s
o
r
t
(
s
+
1
,
s
+
1
+
m
,
c
1
)
;
q
[
l
=
r
=
1
]
=
1
;
for(int i=2;i<=m;++i){
f
o
r
(
i
n
t
i
=
2
;
i
<=
m
;
+
+
i
)
{
while(l<=r && cross(s[i],s[q[r]])<cross(s[q[r]],s[q[r−1]])) −−r;
w
h
i
l
e
(
l
<=
r
&
&
c
r
o
s
s
(
s
[
i
]
,
s
[
q
[
r
]
]
)
<
c
r
o
s
s
(
s
[
q
[
r
]
]
,
s
[
q
[
r
−
1
]
]
)
)
−
−
r
;
q[++r]=i;
q
[
+
+
r
]
=
i
;
}
}
for(;l<=r;++l) A[++t]=s[q[l]].i; sort(A+1,A+1+t);
f
o
r
(
;
l
<=
r
;
+
+
l
)
A
[
+
+
t
]
=
s
[
q
[
l
]
]
.
i
;
s
o
r
t
(
A
+
1
,
A
+
1
+
t
)
;
for(int i=1;i<=t;++i) printf("%d ",A[i]);
f
o
r
(
i
n
t
i
=
1
;
i
<=
t
;
+
+
i
)
p
r
i
n
t
f
(
"
%
d
"
,
A
[
i
]
)
;
}
}
相关推荐
利用MATLAB对5G NR波束成形技术的性能分析.zip
1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
[APIO2018]铁人两项
Description 给出一张n个点,m条边的简单无向图,求有多个三元组(s,f,t),满足两两互不相等且存在至少一条从s出发经过f到t的不经过重复点的路径。 n<=1e5,m<=2e5 Solution 考场都去做A了没仔细想C,以为很麻烦 其实把圆方树弄出来就变得很简单了:考虑枚举中间点f,如果f是圆点就和树一样的做法,如果f是方点表示中间点可以是这个点双中除去起点...
上市公司赫芬达尔指数、企业勒纳指数(1999-2025年)
上市公司赫芬达尔指数(HHI)和勒纳指数(LI)是衡量市场结构和市场势力(垄断力量)的两个重要指标 赫芬达尔指数(HHI)可衡量一个公司在市场中的相对份额或集中度,通过计算公司在市场中份额的平方和得出。数值越小,说明市场份额分布越分散,竞争程度越高;数值越大,说明市场集中度越高,少数企业占据较大份额,垄断程度越高 勒纳指数(LI)用于衡量企业的市场势力,即企业偏离完全竞争价格、制定高于边际成本的价格的能力,数值越接近1,表示企业市场势力越强,垄断程度越高 本文借鉴刘贯春等(2021)、孙茹峰和李楠博(2024)的思路和方法,分别测算上市公司赫芬达尔指数、勒纳指数: 赫芬达尔指数 = (公司营业收入/同行业同年营业收入合计)的平方和 企业勒纳指数 =(营业收入-营业成本-销售费用-管理费用)/营业收入 一、数据介绍 数据名称:上市公司赫芬达尔指数、企业勒纳指数 数据范围:上市公司 时间范围:1999-2025年 样本数量:85810条 数据来源:上市公司年报 更新时间:2026年11月 数据说明:内含原始数据、测算结果 二、数据指标 股票代码 股票简称 年份 省份 城市 区县 省份代码 城市代码 区县代码 行业代码 行业名称 赫芬达尔指数 勒纳指数 营业收入 营业成本 销售费用 管理费用 三、参考文献 [1]刘贯春,叶永卫,张军.社会保险缴费、企业流动性约束与稳就业——基于《社会保险法》实施的准自然实验[J].中国工业经济,2021,(05):152-169. [2]孙茹峰,李楠博.金融化对企业绿色转型意向的影响研究[J].管理学报,2024,21(11):1612-1620+1677. [3]张倩肖,段义学.数字赋能、产业链整合与全要素生产率[J].经济管理,2023,45(04):5-21. [4]伍兆祥,代吉林,
51Nod-1530-稳定方块
ACM模版描述题解很巧妙的利用两个堆来搞事情,一个大顶堆,一个小顶堆,就是优先队列,维护每次能够拆除的方块儿,每拆除一个向周围扩展一次,并且删除拆掉的这个方块儿,这里用 mapmap 处理。说白了,就是一个有趣的贪心问题,用到两种数据结构罢了,STLSTL ……代码#include <iostream> #include <cstdio> #include <queue> #include <map
海康威视后台摄像头视频管理系统
海康威视后台摄像头视频管理系统,vue+py框架
工业互联网工控安全与工业质检AI大模型建设方案.pptx
工业互联网工控安全与工业质检AI大模型建设方案.pptx
铁人两项
题目描述: 给定无向图G,包含n个点m条边(不保证连通),求有序三元组(s,c,f)个数要求满足 s, c, f 都是图中的点,且存在一条从s到c的路径和一条从c到f的路径,使得两条路径没有公共点(除c外)。 在这里我们引进圆方树的概念。 但首先我们要了解一下点双和边双。 在无向图中: 点双:极大的连通子图,使得删掉这个子图中的任何一个点,这个子图仍然连通。...
通信行业CentOS 7内核网络栈优化:高并发连接下UDP/TCP性能调优与系统资源管理
内容概要:本文聚焦于CentOS 7系统在通信行业高并发场景下的性能调优实践,重点围绕内核网络栈优化展开,涵盖UDP/TCP缓冲区调整、文件句柄与连接跟踪表扩容、TIME_WAIT状态复用、软中断分布优化及tuned工具的自动化调优。通过具体配置参数和实际案例(如VoIP软交换系统)深入解析各项调优措施的设计原理与实施效果,有效解决高CPS下丢包、连接失败等问题,并展望了向云化、eBPF等动态智能调优方向的发展趋势。; 适合人群:从事通信系统运维、网络开发或Linux系统性能优化的技术人员,具备一定操作系统和网络基础知识,工作经验1年以上的中初级工程师。; 使用场景及目标:①应用于软交换、媒体网关、信令网关等高并发通信设备的系统调优;②解决UDP丢包、conntrack表满、TCP连接队列溢出等典型性能瓶颈;③提升系统在小包高频、低时延要求场景下的稳定性和吞吐能力。; 阅读建议:建议结合实际生产环境或测试平台同步验证文中配置,重点关注参数背后的物理意义(如BDP、softirq、conntrack机制),并配合ss、conntrack、dmesg等命令进行调优前后对比分析,确保安全可控地实施变更。
铁人两项题解
铁人两项: 洛谷P4630 [APIO2018] Duathlon 铁人两项 题目描述比特镇的路网由 m 条双向道路连接的 n 个交叉路口组成。最近,比特镇获得了一场铁人两项锦标赛的主办权。这场比赛共有两段赛程:选手先完成一段长跑赛程,然后骑自行车完成第二段赛程。比赛的路线要按照如下方法规划:先选择三个两两互不相同的路口s,c和f,分别作为比赛的起点、切换点(运动员在长跑到达这个点后,骑自行车...
从Elasticsearch的jvm.options读懂JVM参数的生效核验、内存分账与诊断兜底代码包
拿到一台机器和一个 Java 服务,怎样确认 JVM 实际吃进去了哪些参数,怎样给堆和堆外分配内存,怎样把 GC 日志、堆转储、异常栈这些“事后取证”的参数配齐,以及怎样在 JDK 8 与 JDK 9+ 之间安全迁移。 讲解的抓手是 Elasticsearch(下文简称 ES)的 jvm.options。这份文件经过 ES 团队多年打磨,又被无数生产集群验证过,几乎每一行都对应一个踩过的坑,是学习 JVM 参数最好的“样板间”。
2024 《计算机网络》实验教学指导书.doc
2024 《计算机网络》实验教学指导书.doc
[APIO2018] Duathlon 铁人两项
不经过重点,考虑点双 点双,考虑圆方树 两个点s,t,中间路径上,所有点双里的点都可以经过,特别地,s,t作为割点的时候,不能往后走,也就是不能经过身后的方点 也就是,(s,t)经过树上路径上的所有圆点和方点 把方点权值设为点双大小-2,圆点权值设为1,(s,t)路径上的权值就是c的选择方案数(不算s,t自己权值) 问题转化为:求树上任意点对的距离和,(x,y),(y,x)算两次 在转...
不平衡电网下自抗扰顺序模型预测PWM整流器控制仿真模型(Simulink仿真实现)
内容概要:本文围绕面向城市空中交通的多无人机路径规划问题展开研究,提出了一套融合全局规划、动态避障与局部协同调整的综合路径规划方法。研究内容涵盖基于改进RRT算法与图论的全局路径规划、基于动态风险场和动态窗口法(DWA)的模型预测控制实现动态避障,以及基于分布式协同控制的多无人机局部路径协同策略。通过Matlab平台构建仿真环境,在多种典型城市交通场景下对所提方法进行了系统性验证,结果表明该方法在路径安全性、编队稳定性与任务效率方面表现优异。文章还深入探讨了算法的创新点与未来研究方向,为复杂城市环境下多无人机系统的自主协同提供了理论支撑与技术路径。; 适合人群:具备自动化、控制理论、计算机科学或相关领域基础知识,从事无人机系统、智能交通、路径规划、多智能体协同控制等方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①为城市空中交通系统中的多无人机安全、高效飞行提供可靠的路径规划解决方案;②支持在复杂、动态的城市场景中开展无人机自主导航、编队飞行与协同控制的技术研究与仿真验证。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注算法的具体实现细节、参数配置对性能的影响以及不同仿真场景下的实验设计,以深入理解各模块的集成逻辑与实际应用效果。
无刷直流电机BLDC无感+滑模观测器+转速电流双闭环PI控制(总共三个仿真模型)(Simulink仿真实现)
内容概要:本文档系统性地提供了无刷直流电机(BLDC)的高级控制策略仿真资源,聚焦于无位置传感器控制技术,重点实现了基于滑模观测器(SMO)的转子位置估算方法,并结合转速与电流双闭环PI控制结构,构建了完整的Simulink仿真模型体系。资源包含三个核心仿真模型:无感控制下的滑模观测器设计、双闭环PI控制器的参数整定与动态调节,以及系统整体的运行性能仿真分析。文档深入剖析了滑模观测器在反电动势提取与相位补偿中的关键技术,展示了其在不同工况下对电机启动、调速及负载扰动响应的鲁棒性表现,旨在帮助研究人员掌握BLDC在无传感器条件下的高精度控制实现路径,并为进一步引入模糊PID等先进控制策略提供对比基准与技术支撑。; 适合人群:具备电机控制理论基础、自动控制原理知识及Simulink建模经验,从事电气工程、自动化、电力电子或新能源驱动系统研究的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①深入理解无刷直流电机无位置传感器控制的基本原理与实现流程;②掌握滑模观测器在转子位置与速度估算中的设计方法及其抗干扰特性;③学习并优化转速电流双闭环PI控制结构,提升系统动态响应性能与运行稳定性。; 阅读建议:建议结合Simulink模型进行同步仿真操作,重点关注滑模观测器的抖振抑制效果、系统启动过程的稳定性以及PI参数调节对动态性能的影响,同时可参照文档中提及的模糊PID等对比方案,拓展对先进控制算法的研究与实践应用。
【选址和定容】模拟退火改进多目标粒子群算法在分布式电源选址和定容中的应用【IEEE69节点】(Matlab代码实现)
内容概要:本文研究了模拟退火改进多目标粒子群算法在分布式电源选址和定容中的应用,以IEEE69节点配电系统为算例进行仿真分析。通过融合模拟退火算法的强全局搜索能力与粒子群算法的高效局部收敛特性,构建了一种改进的多目标优化算法,用于解决分布式电源在配电网中的最优位置选择与容量配置问题。研究旨在实现多重优化目标,包括最小化网络有功损耗、提升节点电压质量、增强系统运行的经济性与稳定性。文中详细阐述了多目标优化模型的数学构建、算法的改进机制与实现流程,并基于Matlab平台完成了算法编程与仿真验证,结果表明所提方法在求解质量和收敛性能上均优于传统算法。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力,从事配电网规划、分布式能源系统优化、智能优化算法应用等相关领域的科研人员、工程师以及高校研究生。; 使用场景及目标:①解决高比例分布式电源接入背景下配电网的科学规划问题;②为新型电力系统中源网协调设计提供有效的优化工具;③为相关领域的科研工作提供可复现、可拓展的算法模型与仿真代码实例,支持进一步的算法对比与功能升级。; 阅读建议:建议读者结合提供的Matlab代码与IEEE69节点标准数据,动手复现实验结果,深入理解算法的参数设置、迭代过程与多目标折衷分析方法,并可根据实际研究需求修改目标函数或引入新的约束条件以适应不同的应用场景。
dify离线部署
以bge-m3为例,本地部署bge-m3首先在一台能连网的linux服务器上(部署有ollama)创建想要保存模型的文件夹编辑ollama.service,配置ollama模型的保存路径添加模型存储地址将models目录设置属主,必须做,否则ollama无法启动重新加载配置文件并重启ollama测试ollama 运行是否正常最后拉取 bge-m3可在/opt/LLMModels/bge_m3/models目录下看到拉取得模型使用tar命令压缩文件夹。
917



被折叠的 条评论
为什么被折叠?



