[国家集训队] 小Z的袜子

本文深入探讨了莫队算法的原理与应用,通过解决一个关于区间概率的问题,详细介绍了算法的步骤,包括读入、离线、按分块排序、处理贡献及输出。文章还提供了具体的代码实现,并解释了如何计算贡献,以及在添加和删除元素时分子的变化。

题目链接

题目大意是给你一串数,问你在一个区间内取到相同的数的概率是多少

因为是静态区间, O ( n n ) O(n\sqrt n) O(nn )可过,加上题目名称,所以我们考虑莫队

莫队的主要步骤就是

  1. 读入,离线
  2. 按分块排序
  3. 处理贡献
  4. 输出

如果不懂的可以去看看网上的其它的一些博客, s u c h   a s such \ as such as this
1,2,4都不难,我们考虑怎么计算贡献
其实也挺简单的,设值域为 [ 0 , k ] [0,k] [0,k]
那么对于 [ l , r ] [l,r] [l,r]区间的答案,就应该是
∑ i = 0 k C c n t i 2 C r − l + 1 2 \frac{\sum_{i=0}^k C_{cnt_i}^2}{C_{r-l+1}^2} Crl+12i=0kCcnti2

因为总情况数是 C r − l + 1 2 C_{r-l+1}^2 Crl+12,对于每一种颜色有 C c n t i 2 C_{cnt_i}^2 Ccnti2种选法 小奥内容
因为分母是固定的,所以我们只需要算分子
那么我们要看一下,当我们 a d d add add活着 d e l del del的时候,分子中的 C C C变化了多少

有一种懒人的方法,在 a d d add add的时候,先减去之前 C c n t i 2 C_{cnt_i}^2 Ccnti2,然后 c n t i cnt_i cnti++,然后再加回来, d e l del del也同理
但是为了让代码更加美观,我们发现,当 c n t i cnt_i cnti+1的时候,他的贡献多了
d = C c n t i + 1 2 − C c n t i 2 = c n t i d=C_{cnt_i+1}^2-C_{cnt_i}^2=cnt_i d=Ccnti+12Ccnti2=cnti
d e l del del的时候,他的贡献少了
d = C c n t i 2 − C c n t i − 1 2 = c n t i − 1 d=C_{cnt_i}^2-C_{cnt_i-1}^2=cnt_i-1 d=Ccnti2Ccnti12=cnti1
然后代码就变得美观

记得分数要通分,还有0/1的特判

# include <cstdio>
# include <algorithm>
# include <cstring>
# include <cmath>
# include <climits>
# include <iostream>
# include <string>
# include <queue>
# include <stack>
# include <vector>
# include <set>
# include <map>
# include <cstdlib>
# include <ctime>
using namespace std;

# define Rep(i,a,b) for(int i=a;i<=b;i++)
# define _Rep(i,a,b) for(int i=a;i>=b;i--)
# define RepG(i,u) for(int i=head[u];~i;i=e[i].next)

typedef long long ll;
const int N=1e5+5;
const int inf=0x7fffffff;
const double eps=1e-7;
template <typename T> void read(T &x){
	x=0;int f=1;
	char c=getchar();
	for(;!isdigit(c);c=getchar())if(c=='-')f=-1;
	for(;isdigit(c);c=getchar())x=(x<<1)+(x<<3)+c-'0';
	x*=f;
}
# pragma GCC optimize(3)
# define int long long

int n,m,sq,l=1,r=0;
int a[N];
int pos[N];
int cnt[N],now;
pair<int,int> ans[N];

struct Query{
	int l,r,id;
	bool operator < (const Query &cmp)const{
		if(pos[l]!=pos[cmp.l])return pos[l]<pos[cmp.l];
		if(pos[l]&1)return r<cmp.r;
		return r>cmp.r;
	}
}q[N];

void add(int p){
	now+=cnt[a[p]];
	cnt[a[p]]++;
}

void del(int p){
	cnt[a[p]]--;
	now-=cnt[a[p]];
}

signed main()
{
	read(n),read(m);
	Rep(i,1,n)read(a[i]);
	sq=sqrt(n);
	Rep(i,1,n)pos[i]=(i-1)*sq+1;
	Rep(i,1,m){
		read(q[i].l);
		read(q[i].r);
		q[i].id=i;
	}
	sort(q+1,q+m+1);
	Rep(i,1,m){
//		if(q[i].l==q[i].r)ans[q[i].id]=make_pair(0,1);
		while(l<q[i].l){
			cnt[a[l]]--;
			now-=cnt[a[l]];
			l++;	
		}
		while(l>q[i].l){
			l--;
			now+=cnt[a[l]];
			cnt[a[l]]++;	
		}
		while(r<q[i].r){
			r++;
			now+=cnt[a[r]];
			cnt[a[r]]++;	
		}
		while(r>q[i].r){
			cnt[a[r]]--;
			now-=cnt[a[r]];
			r--;	
		}
		if(!now)ans[q[i].id]=make_pair(0,1);
		else{
			int len=q[i].r-q[i].l+1;
			int sec=len*(len-1)/2;
			int g=__gcd(now,sec);
			ans[q[i].id]=make_pair(now/g,sec/g);
		}
	}
	Rep(i,1,m)printf("%lld/%lld\n",ans[i].first,ans[i].second);
	return 0;
}

然而因为我太菜了,以及种种原因,这份代码需要手动 O ( 3 ) O(3) O(3)+ l u o g u luogu luogu O ( 2 ) O(2) O(2)才能过,不知道为啥…

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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