洛谷 P1970 花匠 —— DP

题目:https://www.luogu.org/problemnew/show/P1970

普通的DP,f[i][0/1] 表示 i 处处于较小或较大的长度;

注意:1.树状数组向后 query 时不能有0,所以读入的 h[i] 都+1;

2.可能有相同的高度!所以 query 时注意 +1,-1。

代码如下:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int const maxn=1e5+5,maxm=1e6+5;
int n,h[maxn],f[maxn][3],t1[maxm],t0[maxm],ans,mx;
int rd()
{
  int ret=0,f=1; char ch=getchar();
  while(ch<'0'||ch>'9'){if(ch=='-')f=-1; ch=getchar();}
  while(ch>='0'&&ch<='9')ret=(ret<<3)+(ret<<1)+ch-'0',ch=getchar();
  return ret*f;
}
void add0(int x,int val){for(;x<=mx;x+=(x&-x))t0[x]=max(t0[x],val);}
void add1(int x,int val){for(;x;x-=(x&-x))t1[x]=max(t1[x],val);}
int query0(int x){int ret=0; for(;x;x-=(x&-x))ret=max(ret,t0[x]); return ret;}
int query1(int x){int ret=0; for(;x<=mx;x+=(x&-x))ret=max(ret,t1[x]); return ret;}
int main()
{
  n=rd(); 
  for(int i=1;i<=n;i++)h[i]=rd()+1,mx=max(mx,h[i]);//!
  f[1][0]=f[1][1]=1; ans=1;
  add0(h[1],f[1][0]); add1(h[1],f[1][1]);
  for(int i=2;i<=n;i++)
    {
      //      printf("i=%d\n",i);
      f[i][1]=query0(h[i]-1)+1;//!
      f[i][0]=query1(h[i]+1)+1;
      //      printf("f[%d][0]=%d f[%d][1]=%d\n",i,f[i][0],i,f[i][1]);
      add0(h[i],f[i][0]); add1(h[i],f[i][1]);
      ans=max(ans,max(f[i][0],f[i][1]));
    }
  printf("%d\n",ans);
  return 0;
}

 

转载于:https://www.cnblogs.com/Zinn/p/9647559.html

成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 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  | 博主筛选后可见
 
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