hdu 1506 Largest Rectangle in a Histogram

本文介绍了一种使用单调栈优化动态规划(DP)算法的方法,通过实例详细讲解了如何快速找到每个元素左侧和右侧最近的小于或等于该元素的位置,从而高效计算最大子数组乘积。

DP

http://acm.hdu.edu.cn/showproblem.php?pid=1506

思路就是记录下每个点大于等于他的最左边和最右边的位置就能够计算了
暴力地去找肯定不行,关键就是优化
比如找 L[i] L [ i ] 的时候, L L 是记录左边的东西,因此要是 L[i] 左边的就全部是已知的东西,那就能够往右边推,右边一个的信息就能够很快地由已知信息得到
同理,求 R R 的时候就从右往左推

而且这种记录这个点左右信息的思维很牛逼的,以前有道切玻璃的题,然后要倒着来把玻璃拼回去就是用的这种思想,还有舞蹈链也是有这种思想~

#include"iostream"
#include"cstdio"
using namespace std;
const int maxn=1e5+5;
long long L[maxn],R[maxn],a[maxn];
int main()
{
    ios::sync_with_stdio(0);
    cin.tie(0);
    cout.tie(0);
    int N;
    while(cin>>N&&N)
    {
        a[0]=a[N+1]=-1;
        for(int i=1;i<=N;i++)
        {
            cin>>a[i];
            L[i]=R[i]=i;
        }
        for(int i=1,j=N;i<=N;i++,j--)
        {
            while(a[L[i]-1]>=a[i])L[i]=L[L[i]-1];
            while(a[R[j]+1]>=a[j])R[j]=R[R[j]+1];
        }
        long long Max=0;
        for(int i=1;i<=N;i++)Max=max(Max,a[i]*(R[i]-L[i]+1));
        cout<<Max<<endl;
    }
}

单调栈

单调栈的一个很重要的作用就是能够O(n)地找出所有点的左边或右边第一个比他 大 或 小 的 数

比如要找右边第一个比他小的数,用单调递增栈,从左往右扫一遍

/*
单调栈
*/
#include"iostream"
#include"stack"
#define top stk.top()
using namespace std;
const int maxn=1e5+5;
long long L[maxn],R[maxn],a[maxn];
int N;
void solveR()//计算右边第一个小于他的数,单调递增栈
{
    stack<int>stk;
    stk.push(0);
    for(int i=1;i<=N+1;i++)
    {

        if(a[i]>a[top]||stk.empty())stk.push(i);
        else
        {
            while(a[i]<a[top])
            {
                R[top]=i;
                stk.pop();
                if(stk.empty())break;
            }
            stk.push(i);
        }
    }
}
void solveL()
{
    stack<int>stk;
    stk.push(N+1);
    for(int i=N;i>=0;i--)
    {

        if(a[i]>a[top]||stk.empty())stk.push(i);
        else
        {
            while(a[i]<a[top])
            {
                L[top]=i;
                stk.pop();
                if(stk.empty())break;
            }
            stk.push(i);
        }
    }
}
int main()
{
    while(cin>>N&&N)
    {
        for(int i=1;i<=N;i++)cin>>a[i];
        a[0]=a[N+1]=-1;
        solveL();
        solveR();
        long long Max=-1;
        for(int i=1;i<=N;i++)
        {
            Max=max(Max,a[i]*(R[i]-L[i]-1));
        }
        cout<<Max<<endl;
    }
}
Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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