codeforces1361C Johnny and Megan‘s Necklace

本文详细解析了Codeforces平台上的C题——项链问题的解决方案,通过枚举和欧拉回路算法,实现对珍珠项链的最优匹配。文章介绍了如何使用递归欧拉回路算法来确定珍珠项链中bits的相同性,并记录边的顺序,从而找到最优答案。

https://codeforces.com/problemset/problem/1361/C

从高到低位枚举,如果一个项链的答案是ans,那么根据题意等价于这些连接之间末位的ans个bits是相同的,把一对珍珠当一条边,连接末位的bits之间的连线,然后跑欧拉回路,记录边的顺序就行了

从标程里学习了递归的欧拉回路写法,方便记录边的序号,还学了新的输出姿势,涨姿势了。

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
#define fir first
#define sec second
typedef pair<int,int> p;
const int maxl=1<<20;

int n,m,cas,k,cnt,tot,ansb;
int a[maxl][2],du[maxl],ans[maxl];
int s[maxl],cur[maxl];
bool in[maxl],vis[maxl]; 
vector <p> e[maxl];

inline void prework()
{
	scanf("%d",&n);
	for(int i=1;i<=n;i++)
		scanf("%d%d",&a[i][0],&a[i][1]);
} 

inline void dfs(int u)
{
	vis[u]=true;
	for(p d:e[u])
	if(!vis[d.fir])
		dfs(d.fir);
}

inline bool jug(int mask)
{
	for(int i=0;i<=mask;i++)
		e[i].clear(),vis[i]=false;
	int u,v,len,cnt;
	for(int i=1;i<=n;i++)
	{
		u=a[i][0]&mask;v=a[i][1]&mask;
		e[u].push_back({v,2*i+1});
		e[v].push_back({u,2*i});
	}
	cnt=0;
	for(int i=0;i<=mask;i++)
	{
		len=e[i].size();
		if(len&1)
			return false;
		if(!vis[i] && len>0)
		{
			if(cnt>0) return false;
			cnt++,dfs(i);
		}
	}
	return true;
}

inline void eular(int u,int pre=-1)
{
	while(e[u].size())
	{
		p d=e[u].back();
		e[u].pop_back();
		if(in[d.sec/2])
			continue;
		in[d.sec/2]=true;
		eular(d.fir,d.sec);
	}
	if(pre!=-1)
	{
		ans[++ans[0]]=pre;
		ans[++ans[0]]=pre^1;
	}
}

inline void solv(int mask)
{
	int len,u,i;
	for(int st=0;st<=mask;st++)
	{
		len=e[st].size();
		if(len>0)
		{
			eular(st);
			return;
		}
	}
}

inline void mainwork()
{
	for(int i=20;i>=0;i--)
	if(jug((1<<i)-1))
	{
		solv((1<<i)-1);ansb=i;
		return;
	}
}

inline void print()
{
	printf("%d\n",ansb);
	for(int i=1;i<=2*n;i++)
		printf("%d%c",ans[i]-1," \n"[i==2*n]);
}

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

 

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
### 解题思路 #### 问题描述 Codeforces 1678C - Tokitsukaze and Strange Inequality 是一道关于排列组合与前缀和的应用问题。给定一个长度为 \( n \) 的排列数组 \( p \),需要统计满足条件 \( a < b < c < d \) 并且 \( p_a < p_c \) 同时 \( p_b > p_d \) 的四元组数量。 --- #### 核心思想 由于数据规模较小 (\( n \leq 5000 \)),可以直接通过枚举的方式解决问题。为了降低时间复杂度,引入 **前缀和** 技术来加速计算过程[^3]。 具体来说: - 枚举变量 \( a \) 和 \( c \),固定它们之后,目标是快速找到符合条件的 \( b \) 和 \( d \)。 - 使用预处理好的前缀和数组 `num` 来高效查询某个范围内满足特定关系的数量。 - 定义辅助数组 `sum` 表示对于固定的区间范围内的某些约束条件下的累积计数结果。 --- #### 实现细节 ##### 步骤一:构建前缀和数组 `num` 定义二维数组 `num[i][j]`,其中 `num[i][j]` 表示在序列的前 \( i \) 项中,有多少个元素大于 \( j \)。 该数组可以通过如下方式初始化: ```python n = len(p) max_val = max(p) # 初始化 num 数组 num = [[0] * (max_val + 2) for _ in range(n + 1)] for i in range(1, n + 1): for j in range(max_val + 1, -1, -1): # 反向遍历以保持正确性 if p[i - 1] > j: num[i][j] = num[i - 1][j] + 1 else: num[i][j] = num[i - 1][j] ``` 上述代码的时间复杂度为 \( O(n \cdot m) \),其中 \( m \) 是数组中的最大值。 --- ##### 步骤二:定义并填充辅助数组 `sum` 定义另一个二维数组 `sum[i][j]`,它表示当 \( a=i \), \( c=j \) 时,在区间 \([a+1, c-1]\) 中满足 \( p[b] > p[d] \) 的总贡献次数。 利用动态规划的思想逐步更新此数组: ```python sum_ = [[0] * (n + 1) for _ in range(n + 1)] bucket = [0] * (max_val + 1) for l in range(n - 1, 0, -1): bucket[p[l]] += 1 for r in range(l + 2, n + 1): sum_[l][r] = sum_[l][r - 1] + (num[r - 1][p[r - 1]] - num[l][p[r - 1]]) ``` 这里的关键在于如何有效累加当前区间的合法贡献,并借助之前已经计算的结果减少重复运算。 --- ##### 步骤三:枚举所有可能的 \( a \) 和 \( c \) 最后一步是对所有的 \( a \) 和 \( c \) 进行双重循环,并将对应位置上的 `sum[a][c]` 加入最终答案中: ```python result = 0 for a in range(1, n - 2): for c in range(a + 2, n): result += sum_[a][c] print(result) ``` 整个算法的核心部分即完成以上三个阶段的操作即可实现高效的解决方案。 --- ### 总结 本题主要考察的是对多重嵌套结构的有效简化以及合理运用前缀和技巧的能力。通过巧妙设计的数据结构能够显著提升程序运行效率至可接受水平。
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