POJ - 2299 Ultra-QuickSort(树状数组求逆序数+离散化 & 归并排序求逆序数)

In this problem, you have to analyze a particular sorting algorithm. The algorithm processes a sequence of n distinct integers by swapping two adjacent sequence elements until the sequence is sorted in ascending order. For the input sequence
9 1 0 5 4 ,

Ultra-QuickSort produces the output
0 1 4 5 9 .

Your task is to determine how many swap operations Ultra-QuickSort needs to perform in order to sort a given input sequence.
Input
The input contains several test cases. Every test case begins with a line that contains a single integer n < 500,000 – the length of the input sequence. Each of the the following n lines contains a single integer 0 ≤ a[i] ≤ 999,999,999, the i-th input sequence element. Input is terminated by a sequence of length n = 0. This sequence must not be processed.
Output
For every input sequence, your program prints a single line containing an integer number op, the minimum number of swap operations necessary to sort the given input sequence.
Sample Input
5
9
1
0
5
4
3
1
2
3
0
Sample Output
6
0

题意:给出一个序列,求该序列的逆序数。
首先是树状数组求法:

因为有5e5个值,数据范围却有9e9,因此要用树状数组求逆序数需要先进行离散化,只有5e5个数,那么一些较大的数可以根据其相对大小进行离散。缩减到5e5个值之内。

逆序数是根据数字输入的先后顺序,利用树状数组更新和检查每次输入一个新的数时,在其之前输入的比他小的数的个数,即该数的逆序数。

此题中每个数都是唯一的,因此可以用数值的标号进行离散化。需要的信息仅仅是数值的相对大小,而不是数值本身,我们将数值映射到一个小于5e5的数上,使得该数在大小上仍保持原数值性质,但是因为值变小了更利于记录和保存。
首先因为是利用标号进行离散,因此记录下排序前的标号,根据数值大小进行排序,然后,遍历排序后的数组,在一个新的离散数组中,按排序好的顺序记录每个值的标号。如第一个遍历的肯定是最小的值,那么我们再该值原先的位置a[i].i记录下其被映射到的标号1,然后下一个值映射相对第二个值也是新的标号,2,说明其实第二小的数。将其记录到原数值中应有的位置。实现离散化。

对于出现多个重复的数时,就不能用标号来记录相对的大小了,因为标号是唯一的,对于一个完全相同的值,还是会被映射到大小不同的标号上,影响其相对大小。因此我们记录一个num值表示这是第几个不同的值,在遍历有序数组的过程中,每次遇到一个和之前不同的值,num++,并给几个完全相同值映射。实现相同数字的离散化

#include<stdio.h>///树状数组求逆序数+数据离散化
#include<string.h>
#include<algorithm>
using namespace std;
struct num
{
    int n,i;
}a[500005];

int tree[500005],ls[500005],n;
int lowbit(int x)///树状数组求逆序数,树状数组记录某个数值是否出现过
{
    return x&(-x);
}
int sum(int p)
{
    int sum=0;
    while(p>0)
    {
        sum+=tree[p];
        p-=lowbit(p);
    }
    return sum;
}
void update(int p)
{
    while(p<=n)
    {
        tree[p]++;
        p+=lowbit(p);
    }
}
bool cmp(num a,num b)
{
    return a.n<b.n;
}
int main()///数据范围9e9很大,但是数据元素只有5e5个,并且每个元素唯一,因此将所有元素映射到一个5e5之内的数即是离散化,避免空间浪费
{
    while(scanf("%d",&n)&&n)
    {
        for(int i=1;i<=n;i++)
        {
            scanf("%d",&a[i].n);///记录每个元素的位序,按数值大小排序,按数值从小到大遍历,将数值按位序重新标记成一个较小的数。各个数值大小关系不变
            a[i].i=i;
        }
        sort(a+1,a+n+1,cmp);
        for(int i=1;i<=n;i++) ls[a[i].i]=i;///离散化
        memset(tree,0,sizeof(tree));
        long long ans=0;
        for(int i=1;i<=n;i++)
        {
            update(ls[i]);///按数值从小到大遍历数据,更新当前遍历数字位序的状态,使之变成出现过
            ans+=i-sum(ls[i]);///sum求和,计数在ls[i]出现之前,先出现的小于ls[i]的数的个数,这些是正常位序
        }///当前遍历的数字数量i,是目前出现的数总数,用i减去正常出现的数的个数,剩余数量就是在ls[i]出现之前
        printf("%lld\n",ans);///优先出现的大于ls[i]的数值数量,这就是ls[i]的逆序数,不断对ans累加就是结果
    }
}

接触树状数组两年之后,才去看归并排序的写法,一直以为非常复杂,其实就是利用归并排序的过程,模板一点都没改,加了句 求ans而已。
下面解释过程:
首先是归并排序的过程,利用了分治的思想
这里写图片描述
上图清晰的展示了归并排序的步骤,我们计算逆序数的过程在下方的“治”中。也就是合并数组的过程中。首先我们知道,在合并的过程中,两个被合并的子数组是有序的通过不断对比两数组的值来确定合并数组的排列顺序。
这里写图片描述
上图中,展示 了合并的详细过程,计算逆序数,即从这里入手。i表示L区间内数组指针,j表示R区间内数组指针,现在两区间内是有序排列,区间之间数字无序,但L区间值在R区间值左边。若当 a【i】>a【j】时,说明a【i】以及a【i】之后的值都大于a【j】(因为有序),并且在位置上L区间内每一个值都在其左边,也就是说,a【j】对于mid-i+1这段区间内所有值都贡献出了一个逆序数。因此逆序数加mid-i+1。
对于所有排序过程中符合条件的值都进行如上求和计算。总和即逆序数值。
相比树状数组求逆序数,归并排序代码简单,不用离散化,使用方便,更加优秀。

代码如下:

#include<bits/stdc++.h>
#define LL long long
#define M(a,b) memset(a,b,sizeof a)
using namespace std;
const int maxn=5e5+7;
int a[maxn],tmp[maxn];
int n;
LL ans;
void Meg(int l,int mid,int r)
{
    int i=l,j=mid+1,k=0;
    while(i<=mid&&j<=r)
    {
        if(a[i]<a[j]) tmp[k++]=a[i++];
        else
        {
            ans+=mid-i+1;///逆序数计数
            tmp[k++]=a[j++];
        }
    }
    while(i<=mid) tmp[k++]=a[i++];
    while(j<=r)   tmp[k++]=a[j++];
    for(int i=l,k=0;i<=r;k++,i++) a[i]=tmp[k];
}
void Msort(int l,int r)///归并排序模板
{
    if(l<r)
    {
        int mid=(l+r)>>1;
        Msort(l,mid);
        Msort(mid+1,r);
        Meg(l,mid,r);
    }
}
int main()
{
    while(scanf("%d",&n)&&n)
    {
        ans=0;
        for(int i=1;i<=n;i++)scanf("%d",&a[i]);
        Msort(1,n);
        printf("%lld\n",ans);
    }
}
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 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
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