Codeforces Round #361 (Div. 2) E. Mike and Geometry Problem 【逆元求组合数 && 离散化】

本文介绍了一道关于计算多个区间交集长度总和的问题,通过离散化和使用组合数学的方法,提供了一个高效的解决方案。

任意门:http://codeforces.com/contest/689/problem/E

E. Mike and Geometry Problem

time limit per test
3 seconds
memory limit per test
256 megabytes
input
standard input
output
standard output

Mike wants to prepare for IMO but he doesn't know geometry, so his teacher gave him an interesting geometry problem. Let's define f([l, r]) = r - l + 1 to be the number of integer points in the segment [l, r] with l ≤ r (say that ). You are given two integers nand k and n closed intervals [li, ri] on OX axis and you have to find:

In other words, you should find the sum of the number of integer points in the intersection of any k of the segments.

As the answer may be very large, output it modulo 1000000007 (109 + 7).

Mike can't solve this problem so he needs your help. You will help him, won't you?

Input

The first line contains two integers n and k (1 ≤ k ≤ n ≤ 200 000) — the number of segments and the number of segments in intersection groups respectively.

Then n lines follow, the i-th line contains two integers li, ri ( - 109 ≤ li ≤ ri ≤ 109), describing i-th segment bounds.

Output

Print one integer number — the answer to Mike's problem modulo 1000000007 (109 + 7) in the only line.

Examples
input
Copy
3 2
1 2
1 3
2 3
output
Copy
5
input
Copy
3 3
1 3
1 3
1 3
output
Copy
3
input
Copy
3 1
1 2
2 3
3 4
output
Copy
6
Note

In the first example:

;

;

.

So the answer is 2 + 1 + 2 = 5.

 

大概题意:

有 N 个区间, 从其中取 K 个区间。所以有 C(N, K)种组合, 求每种组合区间交集长度的总和。

解题思路:

丢开区间的角度,从每个结点的角度来看,其实每个结点的贡献是 C(cnt, K) cnt 为该结点出现的次数, 所以只要O(N)扫一遍统计每个结点的贡献就是答案。

思路清晰,但考虑到数据的规模,这里需要注意和需要用到两个技巧:

一是离散化,这里STL里的 vector 和 pair 结合用,结合区间加法的思想进行离散化。

二是求组合数时 除数太大,考虑到精度问题需要用逆元来计算。

 

AC code:

 1 #include<bits/stdc++.h>
 2 using namespace std;
 3 const int maxn = 2e5+7;
 4 const int mod = 1e9+7;
 5 long long fac[maxn];
 6 
 7 long long qpow(long long a,long long b)  //快速幂
 8 {
 9     long long ans=1;a%=mod;
10     for(long long i=b;i;i>>=1,a=a*a%mod)
11         if(i&1)ans=ans*a%mod;
12     return ans;
13 }
14 
15 long long C(long long n,long long m)    //计算组合数
16 {
17     if(m>n||m<0)return 0;
18     long long s1=fac[n], s2=fac[n-m]*fac[m]%mod;   //除数太大,逆元处理
19     return s1*qpow(s2,mod-2)%mod;
20 }
21 int n,k;
22 int l[maxn],r[maxn];      //左端点, 右端点
23 int main()
24 {
25     fac[0]=1;
26     for(int i=1;i<maxn;i++)     //预处理全排列
27         fac[i]=fac[i-1]*i%mod;
28 
29     scanf("%d%d",&n,&k);
30     for(int i=1;i<=n;i++){
31         scanf("%d",&l[i]);
32         scanf("%d",&r[i]);
33     }
34     vector<pair<int,int> >op;
35     for(int i=1;i<=n;i++){                //离散化
36         op.push_back(make_pair(l[i]-1,1));  //区间加法标记
37         op.push_back(make_pair(r[i],-1));
38     }
39     sort(op.begin(),op.end());  //升序排序
40     long long ans = 0;          //初始化
41     int cnt=0;
42     int la=-2e9;
43     for(int i=0;i<op.size();i++){                //计算每点的贡献
44         ans=(ans+C(cnt,k)*(op[i].first-la))%mod;
45         la=op[i].first;
46         cnt+=op[i].second;                    //该点的前缀和就是该点的出现次数
47     }
48     cout<<ans<<endl;
49 }
View Code

 

内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
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