uva 1400 动态连续最大和

本文详细介绍了如何使用线段树解决动态查询最大连续和的问题,包括构建线段树、区间合并及优化技巧。通过实例演示,帮助读者理解线段树在动态查询场景的应用。

题目大意就是求给出n个数的排列,求其中连续的最大和,由于会有n多的查询,查询是任意的,那么就是动态的查询,RMQ解决不了这样的问题,用线段树可以实现动态查询,还好本题没要更新,不过光记录的信息就会有很多,思路是根据训练指南上面给的思路,构造一棵线段树,其中每个结点维护3个值:max_sub(a,b),max_prefix(a,b),max_suffix(a,b),然后通过区间合并维护建树,最后在已建好的树上进行查询。

#include<cstdio>
#include<cstdlib>
#include<algorithm>

using namespace std;

const int maxn=500000+5;
const int maxnode=1000000+5;

typedef long long LL;

typedef pair<int,int> Interval;

LL pre_sum[maxn];

LL sum(int a,int b){
	return pre_sum[b]-pre_sum[a-1];
}

LL sum(Interval o){
	return sum(o.first,o.second);
}

Interval better(Interval a,Interval b){
    if(sum(a)!=sum(b)) return sum(a)>sum(b)?a:b;
	return  a<b?a:b;	
	
}
int qL,qR;

struct IntervalTree{
	int max_prefix[maxnode];
	int max_suffix[maxnode];
	Interval max_sub[maxnode];
	void build(int o, int L, int R){//预处理建立线段树 
		if(L==R){
			max_sub[o]=make_pair(L,L);
			max_prefix[o]=max_suffix[o]=L;
			return;
		}
		int M=L+(R-L)/2;
		int lc=o*2, rc=o*2+1;
		build(lc,L,M);//递归构造子树 
		build(rc,M+1,R);
		
		//求最大前缀和
		LL v1=sum(L,max_prefix[lc]);
		LL v2=sum(L,max_prefix[rc]);
		if(v1==v2)max_prefix[o]=min(max_prefix[lc],max_prefix[rc]);
		else  max_prefix[o]=(v1>v2?max_prefix[lc]:max_prefix[rc]); 
		
		//求最大后缀和
		v1=sum(max_suffix[lc],R);
		v2=sum(max_suffix[rc],R);
		if(v1==v2)max_suffix[o]=min(max_suffix[lc],max_suffix[rc]);
		else  max_suffix[o]=(v1>v2?max_suffix[lc]:max_suffix[rc]);
		
		//求子区间最大连续和
		max_sub[o]=better(max_sub[lc],max_sub[rc]); 
        max_sub[o]=better(max_sub[o],make_pair(max_suffix[lc],max_prefix[rc])); 		
		
	}
    
	Interval query_prefix(int o,int L, int R){//查询最大前缀和 
		if(max_prefix[o]<=qR)return make_pair(L,max_prefix[o]);
		int lc=o*2,rc=o*2+1;
		int M=L+(R-L)/2;
		if(qR<=M)return query_prefix(lc,L,M);
		Interval i=query_prefix(rc,M+1,R);
		i.first=L;
		return better(i,make_pair(L,max_prefix[lc])); 
	} 	
	
	Interval query_suffix(int o,int L,int R){
		if(max_suffix[o]>=qL)return make_pair(max_suffix[o],R);
		int lc=o*2, rc=o*2+1;
		int M=L+(R-L)/2;
		if(qL>M)return query_suffix(rc,M+1,R);
		Interval i=query_suffix(lc,L,M);
		i.second=R;
		return better(i,make_pair(max_suffix[rc],R)); 
	}
	
	Interval query(int o,int L,int R){
		if(qL<=L&&R<=qR)return max_sub[o];
		int M=L+(R-L)/2;
		int lc=o*2, rc=o*2+1;
		if(qR<=M)return query(lc,L,M);
		if(qL>M)return query(rc,M+1,R);
		Interval i1=query_suffix(lc,L,M);//左半后缀 
		Interval i2=query_prefix(rc,M+1,R);//右半前缀 
		Interval i3=better(query(lc,L,M),query(rc,M+1,R));
		return better(i3,make_pair(i1.first,i2.second));
	}
	
};

IntervalTree tree;
int main(){
   int n,m,a,kase=1;
   while(scanf("%d %d",&n,&m)==2){
   	   pre_sum[0]=0;
   	   for(int i=1;i<=n;i++){
   	   	   scanf("%d",&a);
   	   	   pre_sum[i]=pre_sum[i-1]+a;
   	   }
       tree.build(1,1,n);
       printf("Case %d:\n",kase++); 
   	   for(int i=1;i<=m;i++){
           scanf("%d %d",&qL,&qR);
           Interval ans=tree.query(1,1,n); 
           printf("%d %d\n",ans.first,ans.second);    
       }
   }    	
   return 0;
}

才学线段树,感觉有点蒙,看了还是不太会,真心好弱啊。


### 关于UVa 307问题的动态规划解法 对于UVa 307 (Sticks),虽然通常采用深度优先搜索(DFS)+剪枝的方法来解决这个问题,但也可以尝试构建一种基于动态规划的思想去处理它。然而,在原描述中并未提及具体的动态规划解决方案[^3]。 #### 动态规划解题思路 考虑到本题的核心在于通过若干根木棍拼接成更少数量的新木棍,并使得这些新木棍尽可能接近给定的目标长度。为了应用动态规划技术,可以定义一个二维数组`dp[i][j]`表示从前i种不同类型的木棍中选取一些组合起来能否恰好组成总长度为j的情况: - 如果存在这样的组合,则`dp[i][j]=true`; - 否则`dp[i][j]=false`. 初始化时设置`dp[0][0]=true`, 表明没有任何木棍的情况下能够构成零长度。接着遍历每种类型的木棍以及所有可能达到的累积长度,更新对应的布尔值。最终检查是否存在某个k使得`sum/k * k == sum && dp[n][sum/k]`成立即可判断是否能成功分割。 这种转换方式利用了动态规划中的两个重要特性:最优化原理重叠子问题属性。具体来说,每当考虑一根新的木棍加入现有集合时,只需要关注之前已经计算过的较短长度的结果,从而避免重复运算并提高效率[^1]. #### Python代码实现 下面给出一段Python伪代码用于说明上述逻辑: ```python def can_partition_sticks(stick_lengths, target_length): n = len(stick_lengths) # Initialize DP table with False values. dp = [[False]*(target_length + 1) for _ in range(n + 1)] # Base case initialization. dp[0][0] = True for i in range(1, n + 1): current_stick = stick_lengths[i - 1] for j in range(target_length + 1): if j >= current_stick: dp[i][j] |= dp[i - 1][j - current_stick] dp[i][j] |= dp[i - 1][j] return any(dp[-1][l] and l != 0 for l in range(target_length + 1)) # Example usage of the function defined above. stick_lengths_example = [...] # Input your data here as a list. total_sum = sum(stick_lengths_example) if total_sum % min(stick_lengths_example) == 0: result = can_partition_sticks(stick_lengths_example, int(total_sum / min(stick_lengths_example))) else: result = False print('Can partition sticks:', 'Yes' if result else 'No') ``` 需要注意的是,这段代码只是一个简化版本,实际比赛中还需要进一步调整参数以适应特定输入范围的要求。此外,由于题目本身允许有多余的小段剩余未被使用,所以在设计状态转移方程时也应适当放宽条件.
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