HDU2795 线段树 单点更新 区间最大值

本文介绍了一种解决告示板通知张贴问题的算法。通过使用线段树维护每行剩余空间并查找合适的张贴位置,确保通知能按优先级顺利张贴。文章提供了完整的代码实现,并对实现过程中的关键步骤进行了详细解释。

题意:有h*w的告示板, 每张通知的规格为1*wi, 通知张贴的位置优先选最上端的位置, 其次选最左的位置, 求每张通知张贴在第几行?
思路:记录每一行所剩长度, 运用线段树维护区间最大值。左子树值大于wi, 则查询左子树, 否则查询右子树。
反思:
1. 思维不够缜密: 刚开始的想法和正解是相同的, 但考虑到h的范围为1e9, 继而否定了自己的想法。 然而忽略了(所需要用到的)h <= n这一个隐藏条件。
2. 未解之谜:将33行注释掉, 而改成现在版本, 就AC了, 没想清楚原因。

#include <iostream>
#include <algorithm>
#include <cstdio>
using namespace std;
const int MAXN = 200000+10;
int ma[MAXN << 2];
int h, w, n;
void PushUp(int rt)
{
    ma[rt] = max(ma[rt << 1], ma[rt << 1 | 1]);
    return;
}
void Build(int l, int r, int rt)
{
    if(l == r)
    {
        ma[rt] = w;
        return;
    }
    int m = (l + r) >> 1;
    Build(l, m, rt << 1);
    Build(m + 1, r, rt << 1 | 1);
    PushUp(rt);
    return;
}
int Query(int w, int l, int r, int rt)
{
    if(l == r)
    {
        return l;
    }
    int m = (l + r) >> 1;
    //if(ma[rt] < w) return -1;
    if(ma[rt << 1] >= w) Query(w, l, m, rt << 1);
    else Query(w, m + 1, r, rt << 1 | 1);
}
void Update(int L, int w, int l, int r, int rt)
{
    if(l == r)
    {
        ma[rt] -= w;
        return;
    }
    int m = (l + r) >> 1;
    if(L <= m) Update(L, w, l, m, rt << 1);
    else Update(L, w, m + 1, r, rt << 1 | 1);
    PushUp(rt);
    return;
}
int main()
{
    while(~scanf("%d%d%d", &h, &w, &n))
    {
        h = min(h, n);
        Build(1, h, 1);
        int ww;
        for(int i = 0; i < n; i++)
        {
            cin >> ww;
            if(ma[1] < ww) {printf("-1\n"); continue;}
            int ans = Query(ww, 1, h, 1);
            Update(ans, ww, 1, h, 1);
            printf("%d\n", ans);
        }
    }
    return 0;
}
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要以保障训练效率。
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