B. Bin Packing Problem

二分与线段树解决装包问题

https://codeforces.com/gym/102770/problem/B

给定n个物品,一种背包(容量c)

求2种方法放物品,各要多少个背包

1.从左到右放,如果都不满足就加一个背包

分析一下,从左到右,线段树二分,如果左子树最大值可以装下物品就往左边递归,不行就往右边,递归终点必然是一个位置,标记这个位置的背包被用过了,因为a[i]<c 所以sum<=n*c,开(1-n)的线段树即可

2.找到最小且可以装下的背包,没有就加一个背包

找到最小且要能装下,我们维护一个单调增的背包顺序,然后二分能装下的位置,如果在背包最后面就是没有能满足的增加一个背包即可,stl中map是有序的,用map存储再加上map二分即可

// Problem: B. Bin Packing Problem
// Contest: Codeforces - The 17th Zhejiang Provincial Collegiate Programming Contest
// URL: https://codeforces.com/gym/102770/problem/B
// Memory Limit: 256 MB
// Time Limit: 2000 ms
// 
// Powered by CP Editor (https://cpeditor.org)

#include<iostream>
#include<map>
using namespace std;
const int N=1e6+9;
int a[N];
int n,c;
//线段树
struct SEG{
    #define INF (1<<31)
    #define ll long long
    #define tl(id) (id<<1)
    #define tr(id) (id<<1|1)
    struct node{
        ll mx,tag,num;
    }seg[N<<2];
    bool inrange(int L,int R,int l,int r){return l<=L && R<=r;}
    bool outofrange(int L,int R,int l,int r){return L>r || R<l;}
    void pushup(const int id){
        seg[id].mx=max(seg[tl(id)].mx,seg[tr(id)].mx);
        seg[id].num=seg[tl(id)].num+seg[tr(id)].num;
    }
    void build(const int id,int l,int r){
        seg[id].tag=0;
        if(l==r){
            seg[id].mx=c;
            seg[id].num=0;
            return;
        }
        int mid=(l+r)>>1;
        build(tl(id),l,mid);
        build(tr(id),mid+1,r);
        pushup(id);
    }
    void maketag(int id,int l,int r,ll v){
    	seg[id].num=1;
        seg[id].tag+=v;
        seg[id].mx+=v;
    }
    void pushdown(int id,int l,int r){
        int mid=(l+r)>>1;
        maketag(tl(id),l,mid,seg[id].tag);
        maketag(tr(id),mid+1,r,seg[id].tag);
        seg[id].tag=0;
    }
    ll query(int id,int L,int R,int l,int r){
        if(inrange(L,R,l,r)){
            return seg[id].mx;
        }else if(!outofrange(L,R,l,r)){
            int mid=(L+R)>>1;
            pushdown(id,L,R);
            return query(tl(id),L,mid,l,r)+query(tr(id),mid+1,R,l,r);
        }else{
            return 0;
        }
    }
    ll ask(int id,int l,int r,ll v){
    	if(l==r){
    		return l;
    	}	
    	int mid=(l+r)>>1;
    	if(seg[tl(id)].mx>=v){
    		return ask(tl(id),l,mid,v);
    	}else{
    		return ask(tr(id),mid+1,r,v);
    	}
    }
    void modify(int id,int L,int R,int l,int r,ll x){
        if(inrange(L,R,l,r)){
            maketag(id,L,R,x);
        }else if(!outofrange(L,R,l,r)){
            int mid=(L+R)>>1;
            pushdown(id,L,R);
            modify(tl(id),L,mid,l,r,x);
            modify(tr(id),mid+1,R,l,r,x);
            pushup(id);
        }
    }
    void update(int id,int l,int r,int pos,ll x){
    	if(l==r){
    		seg[id].mx+=x;
    		seg[id].num=1;
    		return;
    	}
    	int mid=(l+r)>>1;
    	if(mid>=pos){
    		update(tl(id),l,mid,pos,x);
    	}else{
    		update(tr(id),mid+1,r,pos,x);
    	}
    	pushup(id);
    }
}t;
void solve(){
	cin>>n>>c;
	for(int i=1;i<=n;i++){
		cin>>a[i];
	}
	ll ff=0;
	ll bf=0;
	//1 ff
	t.build(1,1,n);
	for(int i=1;i<=n;i++){
		ll tt=t.ask(1,1,n,a[i]);
		t.update(1,1,n,tt,-a[i]);
	}
	ff=t.seg[1].num;
	//2 bf
	map<int,int> mp;
	for(int i=1;i<=n;i++){
		auto tt=mp.lower_bound(a[i]);//二分找是否存在满足
		if(tt!=mp.end()){//有
			tt->second--;//减去一个
			mp[tt->first-a[i]]++;//放入
			if(tt->second==0){//删除无效数据
				mp.erase(tt);
			}
		}else{
			mp[c-a[i]]++;//没有满足的增加一个背包
			bf++;
		}
	}
	cout<<ff<<" "<<bf<<'\n';
	
}
int main(){
	ios::sync_with_stdio(false);
	cin.tie(0),cout.tie(0);
	int t;
	cin>>t;
	while(t--){
		solve();
	}
	return 0;
}

### 回答1: 装箱问题(bin packing problem)是一种经典的组合优化问题,其目标是将一组物品(每个物品有不同的大小和价值)装入尽可能少的容器中,使得每个容器的总大小不超过容器的容量限制。这个问题在物流、制造业、计算机科学等领域都有广泛的应用。 ### 回答2: 垃圾桶装箱问题是一种经典的计算几何问题,也被称为装箱问题或轻便问题。这个问题的定义是,给定一个一定容量的垃圾桶,和一些需要被放置的物品,如何将这些物品尽可能地放置在垃圾桶中,使得最终的空隙最小?垃圾桶不能被卡满,所以问题也可以定义为给定一个一定容量的统一大小的垃圾桶,和一组物品,如何将这些物品最少地分组,使得每组物品的总体积不超过垃圾桶容量?这个问题有着广泛的应用,如在物流和制造业中对于运输和存储的优化。 该问题早在1960年代就已经被证明为NP-hard问题。也就是说,没有已知的多项式时间算法可以在所有情况下解决问题,因此需要通过一些启发式算法来逼近最优解。目前,许多启发式算法已经被开发出来来解决这个问题,其中最著名的算法是first-fit-decreasing(FFD)算法。它首先将所有物品按照体积从大到小排序,然后依次将每个物品放入已经放置好的组中,如果当前的组无法容纳该物品,则新建一个组。然后继续为下一个物品重复此过程,直到每个物品都被放置。 尽管FFD算法已经被证明在大多数情况下是有效的,但它仍然存在着一些局限性。例如,它不能保证总体积最小,并且随着物品数量的增加,运行时间也会快速增加。因此,研究者们一直在探索更好的算法来解决垃圾桶装箱问题。一些其他的算法包括best-fit、worst-fit、next-fit、first-fit等。 总之,垃圾桶装箱问题是一个重要的优化问题,虽然它是NP-hard的,但仍然有许多启发式算法可用于近似解决。这个问题有广泛的应用,如在制造和物流行业中对于运输和存储的优化。 ### 回答3: 装箱问题,又称为Bin Packing Problem,是一个经典的组合优化问题。在此问题中,我们需要将一组物品装入不同大小的容器(箱子)中,以最小化容器数量或最大化容器利用率。 在实际应用中,装箱问题广泛应用于各种物流与生产领域。例如,在物流配送中,需要将多个订单的货物装入尽可能少的运输箱中;在工厂生产中,需要将工件尽可能使用少的容器装运到下一工序,降低运输成本。 装箱问题有多种不同的变种,主要分为静态问题和动态问题。静态装箱问题指在事先已知物品和容器大小的情况下,最小化容器数量或最大化容器利用率。动态装箱问题则更加复杂,它涉及到物品逐个抵达,需要决定当前物品应放入哪个容器,以最小化总容器数量或最大化总容器利用率。 解决装箱问题的方法主要有贪心算法、启发式算法、精确算法等。其中,最常用的是贪心算法,虽然它不能保证得到最优解,但时间复杂度相对低,适用于处理大规模的问题。对于特定的装箱问题,则需要根据实际情况选择合适的方法进行求解。 总而言之,装箱问题是一个重要的组合优化问题,涉及到物流、生产等众多领域。解决该问题将有助于提高效率、降低成本,提升企业的竞争力。
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