【JZOJ6310】Global warming【线段树】

本文探讨了一种在给定序列中通过调整元素值以最大化最长上升子序列(LIS)长度的算法。通过分析,确定了在序列尾部进行操作的最优性,并引入了权值线段树来高效地寻找合适的前驱元素,实现LIS长度的计算。文章详细讨论了空间优化、负数处理及线段树的构建策略。

前言


在这里插入图片描述


题目大意:

题目链接:https://jzoj.net/senior/#main/show/6310
给定整数 n n n x x x,以及一个大小为 n n n的序列 a a a
你可以选择一个区间 [ l , r ] [l,r] [l,r],然后令 a [ i ] + = d ( l &lt; = i &lt; = r ) a[i]+=d(l&lt;=i&lt;=r) a[i]+=d(l<=i<=r),其中 d d d满足 ∣ d ∣ &lt; = x |d|&lt;=x d<=x
要求最大化 a a a的最长上升子序列的长度,并输出该值。


思路:

首先有一个显然的性质:如果我们要把一段区间增加,那么显然这段区间右端点为 n n n时最优。
因为如果我们要增加区间 [ l , r ] [l,r] [l,r],那么如果我们把 r r r往右移一位,显然不会把答案变小。所以 r r r就可以移至最右。
那么这样我们就可以证明出如果区间 [ l , n ] [l,n] [l,n]需要上移,那么显然往上移动越多可以对答案造成更大的贡献。所以我们移动就将一段区间移动 x x x格。
那么如果我们需要把区间 [ l , r ] [l,r] [l,r]往下移动呢?和前面一样,显然把区间扩张成 [ 1 , r ] [1,r] [1,r]会最优,那么把 [ 1 , r ] [1,r] [1,r]往下移动就相当于把 [ r + 1 , n ] [r+1,n] [r+1,n]向上移动。所以可以不用处理。
同理,如果取原来的 L I S LIS LIS(不移动任何)也就相当于全部移动,所以也可以不用再去计算了。
那么如何计算呢?
假设现在处理 L I S LIS LIS末位为 i i i的情况,那么我们就要在 [ 0 , i − 1 ] [0,i-1] [0,i1]中找到一个权值不超过 a [ i ] a[i] a[i] f [ i ] f[i] f[i]尽量大
的来转移。
那么我们可以建立一棵权值线段树,区间 [ l , r ] [l,r] [l,r]表示权值在 [ l , r ] [l,r] [l,r]中的 f f f的最大值。这样从前往后 / / /从后往前做时只要先转移再插入即可。
那么我们就枚举在哪一个位置开始加 x x x,然后求出这个位置前后的 L I S LIS LIS,一加就是答案。
这道题 x ≤ 1 0 9 x\leq 10^9 x109,所以动态开点就行了。
但是这样会
在这里插入图片描述
愉快的每一个 s u b t e s k subtesk subtesk搜错了至少一个


c o d e 2.0 code2.0 code2.0

我们发现其中很多位置 R E , W A RE,WA RE,WA,然后
哦权值线段树的空间复杂度是 O ( n log ⁡ m ) O(n\log m) O(nlogm)啊。
于是把空间开大 30 + 30+ 30+倍。
然后
在这里插入图片描述


c o d e 3.0 code3.0 code3.0

输出了一下空间
在这里插入图片描述
在这里插入图片描述
于是就开始了漫长的卡空间之路。。。

  1. 我们发现,开两棵线段树分别计算两次是没必要的,所以我们就删掉一棵线段树,两次计算之间清零即可。
  2. 清零的标记占了 1 4 \frac{1}{4} 41的空间,考虑直接暴力重构整棵树。
  3. 试探性的把树的大小缩小

最终,线段树大小开到 O ( 200000 × 110 ) O(200000\times 110) O(200000×110)时,空间总算卡进了 259000 k b 259000kb 259000kb!!
在这里插入图片描述


c o d e 4.0 code4.0 code4.0

调试了一下,发现过程中出现了负数。
原来是因为 a i , x ≤ 1 0 9 a_i,x\leq 10^9 ai,x109,最大在线段树内可能出现的数为 2 × 1 0 9 2\times 10^9 2×109,所以线段树开到 2 × 1 0 9 2\times 10^9 2×109后, m i d = n o w l + n o w r 2 mid=\frac{nowl+nowr}{2} mid=2nowl+nowr就炸了 i n t int int。。。
m d md md因为这些我调试了一下午,还不如去打离散化的线段树。
时间复杂度 O ( n log ⁡ n ) O(n\log n) O(nlogn),常数超级无敌大。


代码:

#include <cstdio>
#include <string>
#include <algorithm>
using namespace std;
typedef long long ll;

const int N=200010,Inf=2e9;
int n,m,ans,root,a[N],f[N];

struct Treenode
{
	int lc,rc,maxn;
};

struct Tree
{
	Treenode tree[N*110];
	int tot;
	
	void clr(int x)
	{
		if (tree[x].lc) clr(tree[x].lc);
		if (tree[x].rc) clr(tree[x].rc);
		tree[x].lc=tree[x].rc=tree[x].maxn=0;
	}
	
	int ask(int &x,int nowl,int nowr,int l,int r)
	{
		if (l>r) return 0;
		if (!x) x=++tot;
		if (nowl==l && nowr==r) 
			return tree[x].maxn;
		int mid=((ll)nowl+(ll)nowr)>>1;
		if (r<=mid) return ask(tree[x].lc,nowl,mid,l,r);
		if (l>mid) return ask(tree[x].rc,mid+1,nowr,l,r);
		return max(ask(tree[x].lc,nowl,mid,l,mid),ask(tree[x].rc,mid+1,nowr,mid+1,r));
	}
	
	void insert(int &x,int nowl,int nowr,int k,int val)
	{
		if (!x) x=++tot;
		if (nowl==k && nowr==k)
		{
			tree[x].maxn=max(tree[x].maxn,val);
			return;
		}
		int mid=((ll)nowl+(ll)nowr)>>1;
		if (k<=mid) insert(tree[x].lc,nowl,mid,k,val);
			else insert(tree[x].rc,mid+1,nowr,k,val);
		tree[x].maxn=max(tree[tree[x].lc].maxn,tree[tree[x].rc].maxn);
	}
}Tree;

int read()
{
	int d=0; char ch=getchar();
	while (!isdigit(ch)) ch=getchar();
	while (isdigit(ch))
		d=(d<<3)+(d<<1)+ch-48,ch=getchar();
	return d;
}

int main()
{
	freopen("glo.in","r",stdin);
	freopen("glo.out","w",stdout);
	n=read(); m=read();
	for (int i=1;i<=n;i++)
		a[i]=read();
	for (int i=1;i<=n;i++)
	{
		f[i]=Tree.ask(root,1,Inf,1,a[i]+m-1)+1;
		Tree.insert(root,1,Inf,a[i],Tree.ask(root,1,Inf,1,a[i]-1)+1);
	}
	root=0; Tree.tot=0; Tree.clr(1);
	for (int i=n;i>=1;i--)
	{
		Tree.insert(root,1,Inf,a[i]+m,Tree.ask(root,1,Inf,a[i]+m+1,Inf)+1);
		ans=max(ans,f[i]+Tree.ask(root,1,Inf,a[i]+m+1,Inf));
	}
	printf("%d",ans);
	return 0;
}
混合动力汽车(HEV)模型的Simscape模型(Matlab代码、Simulink仿真实现)内容概要:本文档介绍了一个混合动力汽车(HEV)的Simscape模型,该模型通过Matlab代码和Simulink仿真工具实现,旨在对混合动力汽车的动力系统进行建模与仿真分析。模型涵盖了发动机、电机、电池、传动系统等关键部件,能够模拟车辆在不同工况下的能量流动与控制策略,适用于动力系统设计、能耗优化及控制算法验证等研究方向。文档还提及该资源属于一个涵盖多个科研领域的MATLAB仿真资源包,涉及电力系统、机器学习、路径规划、信号处理等多个技术方向,配套提供网盘下载链接,便于用户获取完整资源。; 适合人群:具备Matlab/Simulink使用基础的高校研究生、科研人员及从事新能源汽车系统仿真的工程技术人员。; 使用场景及目标:①开展混合动力汽车能量管理策略的研究与仿真验证;②学习基于Simscape的物理系统建模方法;③作为教学案例用于车辆工程或自动化相关课程的实践环节;④与其他优化算法(如智能优化、强化学习)结合,实现控制策略的优化设计。; 阅读建议:建议使用者先熟悉Matlab/Simulink及Simscape基础操作,结合文档中的模型结构逐步理解各模块功能,可在此基础上修改参数或替换控制算法以满足具体研究需求,同时推荐访问提供的网盘链接获取完整代码与示例文件以便深入学习与调试。
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