[NOIP2011 提高组] 选择客栈

题目描述

丽江河边有 nn 家很有特色的客栈,客栈按照其位置顺序从 11 到 nn 编号。每家客栈都按照某一种色调进行装饰(总共 kk 种,用整数 0∼k−10∼k−1 表示),且每家客栈都设有一家咖啡店,每家咖啡店均有各自的最低消费。

两位游客一起去丽江旅游,他们喜欢相同的色调,又想尝试两个不同的客栈,因此决定分别住在色调相同的两家客栈中。晚上,他们打算选择一家咖啡店喝咖啡,要求咖啡店位于两人住的两家客栈之间(包括他们住的客栈),且咖啡店的最低消费不超过 pp 。

他们想知道总共有多少种选择住宿的方案,保证晚上可以找到一家最低消费不超过 pp 元的咖啡店小聚。

输入格式

共 n+1n+1 行。

第一行三个整数 n,k,pn,k,p,每两个整数之间用一个空格隔开,分别表示客栈的个数,色调的数目和能接受的最低消费的最高值;

接下来的 nn 行,第 i+1i+1 行两个整数,之间用一个空格隔开,分别表示 ii 号客栈的装饰色调 aiai​ 和 ii 号客栈的咖啡店的最低消费 bibi​。

输出格式

一个整数,表示可选的住宿方案的总数。

输入输出样例

输入 #1复制

5 2 3 
0 5 
1 3 
0 2 
1 4 
1 5 

输出 #1复制

3

说明/提示

样例解释

2 人要住同样色调的客栈,所有可选的住宿方案包括:住客栈①③,②④,②⑤,④⑤,但是若选择住 4,54,5号客栈的话,4,54,5 号客栈之间的咖啡店的最低消费是 44 ,而两人能承受的最低消费是 33 元,所以不满足要求。因此只有前 33 种方案可选。

数据范围

  • 对于 30%30% 的数据,有 n≤100n≤100 ;
  • 对于 50%50% 的数据,有 n≤1 000n≤1000;
  • 对于 100%100% 的数据,有 2≤n≤2×1052≤n≤2×105,1≤k≤501≤k≤50,0≤p≤1000≤p≤100,0≤bi≤1000≤bi​≤100。
  • #include<bits/stdc++.h>
    using namespace std;
    long long sd,sf,n,t[8640001],k,q,a[1000001],b[1000001];
    long long s,p12,l;
    long long guo[1000101],h1=1,t1=0,bb;
    struct ll{
    	long long t,k,l[300001];
    };
    int main(){
    	map<long long,long long> x,zhong;//unordered_
        cin>>n>>k>>q;//输入
        for(long long i=1;i<=n;i++){
    		cin>>a[i]>>b[i];//输入
    		if(b[i]<=q){//如果能担负得起b[i]钱数
    			bb=i;//更新位置
    		}	
    		if(bb>=t[a[i]]){//如果最后一个咖啡厅在最后一个该色客栈后
    			x[a[i]]=zhong[a[i]];//方案数更新
    		}
    		s+=x[a[i]];//加上到该颜色的方案数
    		t[a[i]]=i;//最后一个a[i]颜色客栈
    		zhong[a[i]]+=1;//颜色为a[i]客栈的数量
    	}
    	cout<<s;//输出答案
    }
### Flink 大数据处理优化技巧与最佳实践 #### 调优原则与方法概述 对于Flink SQL作业中的大状态导致的反压问题,调优的核心在于减少状态大小以及提高状态访问效率。通过合理配置参数和调整逻辑设计可以有效缓解此类瓶颈[^1]。 #### 参数设置建议 针对不同版本下的具体特性差异,在实施任何性能改进措施前应当充分理解当前使用的Flink版本特点及其局限性;同时也要考虑特定应用场景的需求特征来定制化解决方案。这包括但不限于并行度设定、内存分配策略等方面的选择[^2]。 #### 数据流模式优化 采用广播变量机制可作为一种有效的手段用于降低主数据流转过程中所需维护的状态量级。当存在一对多关系的数据集间需频繁交互时,将较小规模的一方作为广播状态保存下来供另一方查询匹配使用不失为明智之举。此方式特别适用于维表Join操作中,其中一方变动相对较少但又必须保持最新记录的情况[^3]。 ```sql -- 创建临时视图以支持后续JOIN操作 CREATE TEMPORARY VIEW dim_table AS SELECT * FROM kafka_source; -- 定义Temporal Table Function以便获取指定时间点上的历史快照 CREATE FUNCTION hist_dim_table AS 'com.example.HistoricalDimTableFunction'; -- 执行带有时态条件约束的JOIN语句 SELECT o.order_id, d.product_name FROM orders o LEFT JOIN LATERAL TABLE(hist_dim_table(o.event_time)) AS d ON o.product_id = d.id; ``` 上述代码片段展示了如何利用Flink SQL实现基于时间戳的历史维度表连接功能,从而确保每次都能准确捕捉到事件发生瞬间对应的最恰当的产品名称信息。
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