[cdq分治] C. Coronavirus Battle 2020 年 “游族杯”

本文介绍了一种在CDQ分治算法中进行优化的方法,通过调整递归顺序,实现了从前向后转移最大值的操作,避免了常规CDQ分治中只能从中间向后半段转移的问题。文章详细解释了如何通过先处理右半段再递归左半段来实现这一优化,并展示了如何在排序和归并过程中保持CDQ分治的性质。

https://acm.ecnu.edu.cn/contest/273/problem/C/

从牛逼网友的博客的评论里学到了https://blog.youkuaiyun.com/qq_41730082/article/details/106320914#comments_12333585

cdq分治还能这样写的,学到了,my vegetable exploeded

因为这题是要从前向后面转移最大值,所以如果按照常规cdq的写法,先递归两个子区间,那么就只能某个[l,mid]转移给[mid+1,r]

不能[l,mid]先转移给[mid+1,rmid],在转移给[rmid+1,r]了

那么我们如果把cdq(mid+1,r)放到当前层处理的后面去,就能实现这个操作了。

本来是要归并排序使得mid+1,r按y排好顺序的,既然丢到的后面,由于要归并,所以我们直接sort(q+mid+1,q+r+1,cmp2),

然后进入cdq(mid+1,r)的时候,在开头按第一维 sort,这样保证了cdq的性质了。

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const int maxl=3e5+10;

int n,m,cas,k,xn,ynn,zn,tot,nn;
int b[maxl],tb[maxl],ans[maxl];
ull ax[maxl],ay[maxl],az[maxl];
char s[maxl];
bool in[maxl];
struct que
{
	ull x,y,z;
	int id;
	bool operator < (const que &b)const
	{
		if(x==b.x)
		{
			if(y==b.y)
				return z<b.z;
			return y<b.y;
		}
		return x<b.x;
	}
	bool operator == (const que &b)const
	{
		return x==b.x && y==b.y && z==b.z;
	}
}q[maxl],t[maxl],aa[maxl],tmp[maxl];

ull k1,k2;
unsigned long long CoronavirusBeats() {
unsigned long long k3 = k1, k4 = k2;
k1 = k4;
k3 ^= k3 << 23;
k2 = k3 ^ k4 ^ (k3 >> 17) ^ (k4 >> 26);
return k2 + k4;
}

inline void prework()
{
	ios::sync_with_stdio(false);
	cin.tie(nullptr);
	cin>>n;
	cin>>k1>>k2; 
	for(int i=1;i<=n;++i)
	{	
		aa[i].x=CoronavirusBeats();
		aa[i].y=CoronavirusBeats();
		aa[i].z=CoronavirusBeats();
		aa[i].id=i;
		ax[i]=aa[i].x;
		ay[i]=aa[i].y;
		az[i]=aa[i].z;
	}
	sort(ax+1,ax+1+n);
	sort(ay+1,ay+1+n);
	sort(az+1,az+1+n);
	xn=unique(ax+1,ax+1+n)-ax-1;
	ynn=unique(ay+1,ay+1+n)-ay-1;
	zn=unique(az+1,az+1+n)-az-1;
	for(int i=1;i<=n;i++)
	{
		aa[i].x=lower_bound(ax+1,ax+1+xn,aa[i].x)-ax;
		aa[i].y=lower_bound(ay+1,ay+1+ynn,aa[i].y)-ay;
		aa[i].z=lower_bound(az+1,az+1+zn,aa[i].z)-az;
		ans[i]=0;
	}
	sort(aa+1,aa+1+n);
	nn=0;
	q[++nn]=aa[1];
	for(int i=2;i<=n;i++)
	if(!(aa[i]==aa[i-1]))
		q[++nn]=aa[i];
	
} 

inline void rec(int i)
{
	while(i<=zn)
	{
		tb[i]=b[i];
		i+=i&-i;
	}
}
inline void recv(int i)
{
	while(i<=zn)
	{
		b[i]=tb[i];
		i+=i&-i;
	}
}
inline void upd(int i,int x)
{
	while(i<=zn)
	{
		b[i]=max(b[i],x);
		i+=i&-i;
	}
}
inline int getmx(int i)
{
	int ret=-1;
	while(i)
	{
		ret=max(b[i],ret);
		i-=i&-i;
	}
	return ret;
}

inline bool cmp1(const que &a,const que &b)
{
	return a.x<b.x;
}

inline bool cmp2(const que &a,const que &b)
{
	return a.y<b.y;
}

inline void cdq(int l,int r)
{
	if(l==r) return;
	sort(q+l,q+r+1,cmp1);
	int mid=(l+r)>>1;
	cdq(l,mid);
	sort(q+l,q+mid+1,cmp2);
	sort(q+mid+1,q+r+1,cmp2);
	for(int i=l;i<=mid;i++)
		rec(q[i].z);
	int i=l,j=mid+1,k=l;
	while(i<=mid && j<=r)
	{
		if(q[i].y<=q[j].y)
		{
			upd(q[i].z,ans[q[i].id]);
			t[k++]=q[i++];
		}
		else
		{
			ans[q[j].id]=max(ans[q[j].id],getmx(q[j].z)+1);
			t[k++]=q[j++];
		}
	}
	while(i<=mid)
	{
		upd(q[i].z,ans[q[i].id]);
		t[k++]=q[i++];
	}
	while(j<=r)
	{
		ans[q[j].id]=max(ans[q[j].id],getmx(q[j].z)+1);
		t[k++]=q[j++];
	}
	for(int i=l;i<=mid;i++)
		recv(q[i].z);
	cdq(mid+1,r);
}


inline void mainwork()
{
	for(int i=1;i<=zn;i++)
		b[i]=-1;
	cdq(1,nn);
}

inline void print()
{
	for(int i=2;i<=n;i++)
	if(aa[i]==aa[i-1])
		ans[aa[i].id]=ans[aa[i-1].id];
	int mx=0;
	for(int i=1;i<=n;i++)
		mx=max(mx,ans[i]+1);
	printf("%d\n",mx);
	for(int i=1;i<=n;i++)
		printf("%d%c",ans[i],(i==n)?'\n':' ');
}

int main()
{
	int t=1;
	//scanf("%d",&t);
	for(cas=1;cas<=t;cas++)
	{
		prework();
		mainwork();
		print();
	}
	return 0;
}

 

<think>首先,用户的问题是关于CDQ分治算法的基本原理及其应用场景。我需要根据系统级指令来构建我的回答。 系统级指令关键点: - 所有行内数学表达式必须使用$...$格式。 - 独立公式必须使用$$...$$格式并单独成段。 - LaTeX语法正确。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾自然地添加引用标识。 - 回答结构清晰,帮助用户逐步解决问题,保证真实可靠。 参考站内引用: - 引用[1]:关于分治思想的描述,包括分块、递归等。 - 引用[2]:关于书籍的引用,不相关。 - 引用[3]:关于下载资源的链接,不相关。 用户真正的需求是理解CDQ分治的概念和原理,所以我需要专注于CDQ分治CDQ分治的基本原理: - CDQ分治是由陈丹琦(Chen Danqi)提出的一种算法,用于处理偏序问题,如三维偏序问题。 - 它是分治思想的一种应用,特别适合解决离线查询问题。 - 核心思想:将问题分成子问题,递归解决,然后合并结果,处理跨越子问题的部分。 应用场景: - 三维偏序问题:例如,给定点集,统计每个点满足某些条件的点数。 - 动态规划优化:如斜率优化等。 - 其他离线查询问题。 我的回答结构: 1. **介绍CDQ分治**:简要说明其背景和目的。 2. **基本原理**:解释算法步骤,使用数学表达式描述。 3. **应用场景**:列出常见应用。 4. **生成相关问题**:在最后添加相关问题。 5. **添加引用**:在引用段落末尾自然添加引用标识。 数学表达式: - 行内数学:如变量、点坐标等,使用$...$。 - 独立公式:如方程,使用$$...$$。 例如: - 行内:点$P_i = (a_i, b_i, c_i)$ - 独立:偏序关系公式。 生成相关问题: - 基于CDQ分治,如"CDQ分治如何优化三维偏序问题?"或"CDQ分治的时间复杂度分析?" 确保回答真实可靠: - 基于算法知识,CDQ分治常用于OI竞赛中处理偏序问题。 引用处理: - 参考引用[1]是关于分治思想的,我可以引用它来支持分治部分。 - 其他引用不相关,但系统说"请尽可能多的参考用户上一次的问题和你的回答",但用户没有上一次问题,所以基于当前引用。 最终回答大纲: - 开头:介绍CDQ分治。 - 原理部分:分步骤解释,使用LaTeX。 - 应用场景:列举例子。 - 相关问题:在最后添加。 - 结尾:自然结束。</think>### CDQ分治算法的基本原理及其应用场景 CDQ分治(Chen Danqi Divide and Conquer)是由中国计算机科学家陈丹琦提出的一种分治算法变体,主要用于处理离线查询问题,特别是多维偏序问题(如三维偏序)。它在算法竞赛和数据处理中应用广泛,能高效解决一些复杂问题。下面我将逐步解释其基本原理和应用场景,确保内容清晰可靠。 #### 1. CDQ分治的基本原理 CDQ分治基于经典分治思想,但针对偏序问题进行了优化。核心思路是将问题递归分解为子问题,处理子问题内部和子问题之间的影响,最后合并结果。算法主要分为三个步骤:分、治、合。以下是详细解释: - **分(Divide)**:将输入数据(如点集)按某一维度(通常是时间或索引)分成两个大致相等的子集,记为左子集$L$和右子集$R$。例如,给定点集$P = \{P_1, P_2, \dots, P_n\}$,其中每个点$P_i = (a_i, b_i, c_i)$表示三维坐标,我们按第一维$a_i$排序并分割: $$ \text{mid} = \left\lfloor \frac{n}{2} \right\rfloor $$ 这样得到$L = \{P_i \mid i \leq \text{mid}\}$和$R = \{P_i \mid i > \text{mid}\}$。递归地对$L$和$R$应用相同过程。 - **治(Conquer)**:递归处理左子集$L$和右子集$R$,解决子问题内部的偏序关系。例如,在三维偏序问题中,目标是统计每个点$P_i$满足$a_j \leq a_i, b_j \leq b_i, c_j \leq c_i$的点数$j$($j \neq i$)。递归调用确保子集内部的问题被解决。 - **合(Merge)**:合并子问题结果,并处理跨越子集$L$和$R$的影响。这是CDQ分治的关键: - 使用辅助数据结构(如树状数组或线段树)高效处理跨子集贡献。 - 例如,在三维偏序中,合并时需统计$L$中的点对$R$中点的贡献。具体做法: 1. 对$L$和$R$按第二维$b_i$排序。 2. 遍历$R$中的每个点$P_j$,同时维护一个树状数组,用于记录第三维$c_i$的累积值。 3. 对于$P_j$,查询树状数组中满足$c_k \leq c_j$的点数($k$来自$L$),并累加到结果。 这确保了跨子集贡献在$O(n \log n)$时间内完成。 整个算法的时间复杂度为$O(n \log^2 n)$,其中$n$是数据规模。递归公式可表示为: $$ T(n) = 2T\left(\frac{n}{2}\right) + O(n \log n) $$ 其中$O(n \log n)$来自合并步骤的排序和树状数组操作。CDQ分治通过“分而治之”高效处理了偏序关系[^1]。 #### 2. CDQ分治的应用场景 CDQ分治特别适合离线查询问题,其中数据点固定,查询可批量处理。常见应用包括: - **三维偏序问题**:如统计逆序对或点对关系。例如,在竞赛中,给定点集统计每个点“支配”的点数(即所有维度都小于等于该点的点)。CDQ分治能高效解决,时间复杂度优于暴力$O(n^2)$。 - **动态规划优化**:用于优化序列问题,如最长上升子序列(LIS)或斜率优化问题。通过分治处理状态转移,减少计算量。 - **离线查询处理**:在数据库或算法中,处理批量查询,如区间统计或范围查询。CDQ分治将查询排序后递归处理,避免实时开销。 - **其他领域**:在计算几何(如最近点对问题)和机器学习数据预处理中也有应用,但需结合具体算法调整。 CDQ分治的优势在于其通用性和效率,但要求问题具有“可分治性”,即子问题独立且合并步骤可高效实现。实际应用中,常结合树状数组等数据结构提升性能。 #### 相关问题 1. CDQ分治如何处理更高维度的偏序问题(如四维偏序)? 2. CDQ分治与普通分治算法的主要区别是什么? 3. CDQ分治在动态规划优化中的具体实现案例? [^1]: 分治思想的核心是递归分解问题,然后合并结果,这在CDQ分治中得到充分体现,如分割点集并递归处理子问题。 [^2]: 算法理论常参考经典书籍,但CDQ分治更常见于竞赛和算法论文。
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