LibreOJ2097 - 「CQOI2015」任务查询系统

本文详细解析了CQOI2015任务查询系统问题,通过可持久化线段树实现高效查询。介绍了离散化、线段树构建及更新过程,实现了在给定时刻查询优先级前k大任务的优先级之和。

Portal

Description

给出\(n(n\leq10^5)\)个任务,和总时间范围\(m(m\leq10^5)\)。每个任务有开始/结束时间\(s_i,e_i(1\leq s_i \leq e_i \leq m)\)和优先级\(p_i(p_i\leq10^9)\)。接下来\(m\)个询问,每次询问在时刻\(t_i\)时优先级前\(k\)大的任务的优先级之和,若\(k\)大于此时正在进行的任务总数则输出此时优先级之和。其中\(\{t_m\}\)\(1..m\)的一个排列。

Solution

可持久化线段树。
将优先级\(p\)离散化,然后对于每个时刻建立线段树,记录此时正在进行的任务情况,线段树上第\(i\)个位置记录优先级为\(i\)的任务个数。在线段树上同时维护区间任务个数和区间优先级之和即可完成询问。

时间复杂度\(O(nlogn)\)

Code

//「CQOI2015」任务查询系统
#include <algorithm>
#include <cstdio>
using namespace std;
typedef long long lint;
inline char gc()
{
    static char now[1<<16],*s,*t;
    if(s==t) {t=(s=now)+fread(now,1,1<<16,stdin); if(s==t) return EOF;}
    return *s++;
}
inline int read()
{
    int x=0; char ch=gc();
    while(ch<'0'||'9'<ch) ch=gc();
    while('0'<=ch&&ch<='9') x=x*10+ch-'0',ch=gc();
    return x;
}
const int N=2e5+10;
int n,m;
struct optn{int opt,t,x;} seq[N];
bool cmpT(optn a,optn b) {return a.t<b.t;}
int n0,map[N];
void discrete()
{
    for(int i=1;i<=n+n;i++) map[i]=seq[i].x;
    sort(map+1,map+n+n+1); n0=unique(map+1,map+n+n+1)-map-1;
    for(int i=1;i<=n+n;i++) seq[i].x=lower_bound(map+1,map+n0+1,seq[i].x)-map;
}
const int N1=22*N;
int ndCnt,rt[N],ch[N1][2],cnt[N1] ;lint sum[N1];
void update(int p) {cnt[p]=cnt[ch[p][0]]+cnt[ch[p][1]],sum[p]=sum[ch[p][0]]+sum[ch[p][1]];}
void ndCopy(int p,int q) {ch[q][0]=ch[p][0],ch[q][1]=ch[p][1],cnt[q]=cnt[p],sum[q]=sum[p];}
void ins(int &p,int L0,int R0,int x,int v)
{
    ndCopy(p,++ndCnt); p=ndCnt;
    if(L0==R0) {cnt[p]+=v,sum[p]+=v*map[L0]; return;}
    int mid=L0+R0>>1;
    if(x<=mid) ins(ch[p][0],L0,mid,x,v);
    else ins(ch[p][1],mid+1,R0,x,v);
    update(p);
}
lint query(int p,int L0,int R0,int k)
{
    if(L0==R0) return 1LL*k*map[L0];
    if(cnt[p]<=k) return sum[p];
    int mid=L0+R0>>1;
    if(cnt[ch[p][0]]>=k) return query(ch[p][0],L0,mid,k);
    else return sum[ch[p][0]]+query(ch[p][1],mid+1,R0,k-cnt[ch[p][0]]);
}
int main()
{
    n=read(),m=read();
    for(int i=1;i<=n;i++)
    {
        int t1=read(),t2=read(),x=read();
        int i2=i<<1,i1=i2-1;
        seq[i1].opt=1,seq[i1].t=t1,seq[i1].x=x;
        seq[i2].opt=-1,seq[i2].t=t2+1,seq[i2].x=x;
    }
    discrete();
    sort(seq+1,seq+n+n+1,cmpT);
    for(int i=1,k=1;i<=1e5+10;i++)
    {
        rt[i]=rt[i-1];
        for(k;seq[k].t==i;k++) ins(rt[i],1,n0,seq[k].x,seq[k].opt);
    }
    lint pre=1;
    for(int i=1;i<=m;i++)
    {
        int t=read(); lint a=read(),b=read(),c=read();
        pre=query(rt[t],1,n0,1+(a*pre+b)%c);
        printf("%lld\n",pre);
    }
    return 0;
}

转载于:https://www.cnblogs.com/VisJiao/p/LOJ2097.html

**项目概述:** 本资源提供了一套采用Vue.js与JavaScript技术栈构建的古籍文献文字检测与识别系统的完整源代码及相关项目文档。当前系统版本为`v4.0+`,基于`vue-cli`脚手架工具开发。 **环境配置与运行指引:** 1. **获取项目文件**后,进入项目主目录。 2. 执行依赖安装命令: ```bash npm install ``` 若网络环境导致安装缓慢,可通过指定镜像源加速: ```bash npm install --registry=https://registry.npm.taobao.org ``` 3. 启动本地开发服务器: ```bash npm run dev ``` 启动后,可在浏览器中查看运行效果。 **构建与部署:** - 生成测试环境产物: ```bash npm run build:stage ``` - 生成生产环境优化版本: ```bash npm run build:prod ``` **辅助操作命令:** - 预览构建后效果: ```bash npm run preview ``` - 结合资源分析报告预览: ```bash npm run preview -- --report ``` - 代码质量检查与自动修复: ```bash npm run lint npm run lint -- --fix ``` **适用说明:** 本系统代码经过完整功能验证,运行稳定可靠。适用于计算机科学、人工智能、电子信息工程等相关专业的高校师生、研究人员及开发人员,可用于学术研究、课程实践、毕业设计或项目原型开发。使用者可在现有基础上进行功能扩展或定制修改,以满足特定应用场景需求。 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!
【EI复现】基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度(Matlab代码实现)内容概要:本文介绍了基于阶梯碳交易机制的虚拟电厂优化调度模型,重点研究了包含P2G-CCS(电转气-碳捕集与封存)耦合技术和燃气掺氢技术的综合能源系统在Matlab平台上的仿真与代码实现。该模型充分考虑碳排放约束与阶梯式碳交易成本,通过优化虚拟电厂内部多种能源设备的协同运行,提升能源利用效率并降低碳排放。文中详细阐述了系统架构、数学建模、目标函数构建(涵盖经济性与环保性)、约束条件处理及求解方法,并依托YALMIP工具包调用求解器进行实例验证,实现了科研级复现。此外,文档附带网盘资源链接,提供完整代码与相关资料支持进一步学习与拓展。; 适合人群:具备一定电力系统、优化理论及Matlab编程基础的研究生、科研人员或从事综合能源系统、低碳调度方向的工程技术人员;熟悉YALMIP和常用优化算法者更佳。; 使用场景及目标:①学习和复现EI级别关于虚拟电厂低碳优化调度的学术论文;②掌握P2G-CCS、燃气掺氢等新型低碳技术在电力系统中的建模与应用;③理解阶梯碳交易机制对调度决策的影响;④实践基于Matlab/YALMIP的混合整数线性规划或非线性规划问题建模与求解流程。; 阅读建议:建议结合提供的网盘资源,先通读文档理解整体思路,再逐步调试代码,重点关注模型构建与代码实现之间的映射关系;可尝试修改参数、结构或引入新的约束条件以深化理解并拓展应用场景。
LibreOJ Problem 6230,标题为“symmetry”,是一道与几何对称性相关的编程问题。问题的大意是:给定一个二维平面上的点集,要求找到一条直线,使得该直线是对所有点对称的唯一对称轴。如果存在这样的直线,则输出“YES”,否则输出“NO”。 ### 问题解析 该问题的核心在于如何判断一组点是否具有唯一的对称轴。如果存在一条直线,使得所有点关于这条直线对称,则称这组点具有轴对称性。要解决这个问题,需要考虑以下几点: 1. **对称性的定义**: - 如果一组点关于某条直线对称,则每一点在这条直线上的镜像点也必须存在于点集中。 - 由于对称轴是唯一的,因此必须排除其他可能的对称轴。 2. **数据规模**: - 点的数量可以达到 $10^5$,因此需要一个时间复杂度较低的算法。 - 需要高效的查找和匹配机制,例如使用哈希集合来存储点及其镜像。 3. **算法思路**: - 首先,假设某条直线为对称轴,计算所有点关于该直线的镜像点。 - 检查所有镜像点是否存在于原始点集中。 - 如果所有点的镜像点都存在,则该直线是对称轴。 - 由于对称轴可能是唯一的,需要尝试不同的候选直线并验证其唯一性。 ### 实现方法 以下是一个可能的实现方案: 1. **点的表示**: - 使用元组 $(x, y)$ 表示每个点。 - 使用集合或哈希表存储所有点,以便快速查找。 2. **对称轴的候选**: - 对于两个点 $p_1 = (x_1, y_1)$ 和 $p_2 = (x_2, y_2)$,它们的垂直平分线可以作为对称轴的候选。 - 垂直平分线的方程为 $x = \frac{x_1 + x_2}{2}$(如果对称轴是垂直方向)或 $y = \frac{y_1 + y_2}{2}$(如果对称轴是水平方向)。 3. **验证对称性**: - 对于每一个候选对称轴,计算所有点的镜像点。 - 检查这些镜像点是否全部存在于原始点集中。 ### 示例代码 以下是一个简化的 Python 实现示例: ```python def is_symmetric(points): point_set = set(points) n = len(points) # Check symmetry about vertical line x = a if n == 0: return True for i in range(n): for j in range(i+1, n): x1, y1 = points[i] x2, y2 = points[j] a = (x1 + x2) / 2 valid = True for (x, y) in points: mirror_x = 2 * a - x if (mirror_x, y) not in point_set: valid = False break if valid: return True # Check symmetry about horizontal line y = b for i in range(n): for j in range(i+1, n): x1, y1 = points[i] x2, y2 = points[j] b = (y1 + y2) / 2 valid = True for (x, y) in points: mirror_y = 2 * b - y if (x, mirror_y) not in point_set: valid = False break if valid: return True return False # Example usage points = [(1, 1), (2, 2), (3, 3), (2, 0)] print("Is symmetric?", is_symmetric(points)) ``` ### 复杂度分析 - 时间复杂度:最坏情况下为 $O(n^2)$,因为需要尝试所有点对的组合。 - 空间复杂度:$O(n)$,用于存储点集和镜像点。 ### 注意事项 - 对于大规模数据,可以优化算法,例如只选择部分点对作为候选对称轴。 - 需要处理浮点数精度问题,可以使用四舍五入或误差容忍范围。
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