kyeremal-bzoj2038-[2009国家集训队]-小z的袜子(hose)-莫队算法

本文深入解析了BZOJ平台上的2038题——小Z的袜子问题,详细阐述了如何运用莫队算法解决区间询问问题,并提供了解题思路及代码实现。通过实例分析,帮助读者理解并掌握莫队算法在解决类似问题时的高效性。


F.A.QsHomeDiscussProblemSetStatusRanklistContestModifyUser   ManacherLogout捐赠本站
Notice:省选季快乐&另求历年World Final数据,谢谢&OJ试题突破3000大关!

2038: [2009国家集训队]小Z的袜子(hose)

Time Limit: 20 Sec   Memory Limit: 259 MB
Submit: 3673   Solved: 1702
[ Submit][ Status][ Discuss]

Description

作为一个生活散漫的人,小Z每天早上都要耗费很久从一堆五颜六色的袜子中找出一双来穿。终于有一天,小Z再也无法忍受这恼人的找袜子过程,于是他决定听天由命……
具体来说,小Z把这N只袜子从1N编号,然后从编号LR(L 尽管小Z并不在意两只袜子是不是完整的一双,甚至不在意两只袜子是否一左一右,他却很在意袜子的颜色,毕竟穿两只不同色的袜子会很尴尬。
你的任务便是告诉小Z,他有多大的概率抽到两只颜色相同的袜子。当然,小Z希望这个概率尽量高,所以他可能会询问多个(L,R)以方便自己选择。

Input

输入文件第一行包含两个正整数N和M。N为袜子的数量,M为小Z所提的询问的数量。接下来一行包含N个正整数Ci,其中Ci表示第i只袜子的颜色,相同的颜色用相同的数字表示。再接下来M行,每行两个正整数L,R表示一个询问。

Output

包含M行,对于每个询问在一行中输出分数A/B表示从该询问的区间[L,R]中随机抽出两只袜子颜色相同的概率。若该概率为0则输出0/1,否则输出的A/B必须为最简分数。(详见样例)

Sample Input

6 4
1 2 3 3 3 2
2 6
1 3
3 5
1 6

Sample Output

2/5
0/1
1/1
4/15
【样例解释】
询问1:共C(5,2)=10种可能,其中抽出两个2有1种可能,抽出两个3有3种可能,概率为(1+3)/10=4/10=2/5。
询问2:共C(3,2)=3种可能,无法抽到颜色相同的袜子,概率为0/3=0/1。
询问3:共C(3,2)=3种可能,均为抽出两个3,概率为3/3=1/1。
注:上述C(a, b)表示组合数,组合数C(a, b)等价于在a个不同的物品中选取b个的选取方案数。
【数据规模和约定】
30%的数据中 N,M ≤ 5000;
60%的数据中 N,M ≤ 25000;
100%的数据中 N,M ≤ 50000,1 ≤ L < R ≤ N,Ci ≤ N。

HINT

Source

[ Submit][ Status][ Discuss]

HOME   Back

大意:给出一堆数,每次询问一个区间,求区间内任取两个数相同的概率.

分析:orz莫涛,莫队专治各种区间询问

给出几篇关于莫队算法的博客:

很通俗直观的莫对算法理解

详细的本题题解

严谨的平面点曼哈顿最小距离生成树论文

更加严谨的英文论文


code:

#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cmath>
#include <cstring>
#include <algorithm>

using namespace std;

#define rep(i, l, r) for (LL i = (l); (i) <= (r); ((i)++))
#define REP(i, l, r) for (LL i = (l); (i) >= (r); ((i)--))
#define LL long long
#define MAXN 1000010

LL n, m, col[MAXN], len[MAXN], K, c[MAXN], pos[MAXN], fz, fm, minc, maxc;
struct qr {LL l, r, num;} a[MAXN];
struct answer {LL x, y, num;} ans[MAXN];

inline LL min(LL a, LL b) {return a<b ? a : b;}
inline LL max(LL a, LL b) {return a>b ? a : b;}
inline bool cmp(qr a, qr b) {return pos[a.l]<pos[b.l] || (pos[a.l]==pos[b.l] && a.r<b.r);}
inline LL com(LL n) {return (n-1)*n/2;}
inline answer mp(LL x, LL y, LL num) {answer t; t.x = x, t.y = y, t.num = num; return t;}
inline bool cmp2(answer a, answer b) {return a.num < b.num;}
inline LL gcd(LL a, LL b) {return !b ? a : gcd(b, a%b);}

inline void update(LL &L, LL &R, LL l, LL r, LL &fz, LL &fm) {// [L, R] -> [l, r]
    if (l < L) REP(i, L-1, l) fz += c[col[i]], fm += R-L+1, c[col[i]]++, L--;
    else if (l > L) rep(i, L, l-1) fz += -c[col[i]] + 1, fm += L-R, c[col[i]]--, L++;
    if (r > R) rep(i, R+1, r) fz += c[col[i]], fm += R-L+1, c[col[i]]++, R++;
    else if (r < R) REP(i, R, r+1) fz += -c[col[i]] + 1, fm += L-R, c[col[i]]--, R--;
}

inline void block() {
    K = sqrt(n);
    rep(i, 1, K-1) len[i] = K;
    len[K] = n - (K-1)*K;
    rep(i, 1, K) rep(j, (i-1)*K + 1, (i-1)*K + len[i]) pos[j] = i;
    sort(a+1, a+1+m, cmp);
}

inline void xx() {
    memset(c, 0, sizeof(c));
    LL L = a[1].l, R = a[1].r;
    rep(i, L, R) c[col[i]]++;
    rep(i, minc, maxc) fz += (c[i] * (c[i]-1) / 2);
    fm = com(R-L+1);
    ans[1] = mp(fz, fm, a[1].num);
    rep(i, 2, m) update(L, R, a[i].l, a[i].r, fz, fm), ans[i] = mp(fz, fm, a[i].num);
}

int main() {
    minc = MAXN, maxc = 0;
    cin >> n >> m;
    rep(i, 1, n) scanf("%lld", col + i), maxc = max(maxc, col[i]), minc = min(minc, col[i]);
    rep(i, 1, m) scanf("%lld%lld", &a[i].l, &a[i].r), a[i].num = i;
    block();
    xx();
    sort(ans+1, ans+1+m, cmp2);
    rep(i, 1, m) n = gcd(ans[i].x, ans[i].y), printf("%lld/%lld\n", ans[i].x/n, ans[i].y/n);
    
    return 0;
}


【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
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
 
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