hrbust/哈理工oj 2028 小猴和冒泡2【归并排序】

本文介绍了一个经典的冒泡排序问题,通过归并排序的方法进行优化,实现了统计数组变为递增序列所需的交换次数。给出AC代码,并强调了数据类型选择的重要性。

小猴和冒泡2
Time Limit: 1000 MSMemory Limit: 32768 K
Total Submit: 154(39 users)Total Accepted: 32(27 users)Rating: Special Judge: No
Description

小猴和冒泡问题已经成了一个历史问题,因为很多年没有人做这个题了。但是这个问题又是一个多种解法,

并且很经典的问题。今天这个问题同样又出现了。

仍然是一个长度为n(n <= 500000)的数组,将其变成递增序列。

冒泡的思想大家都会,每次比较相邻两个数的大小。如果想要得到递增序列,那么前一个数字大于后一个

数字就要把他们交换一下位置,经过很多趟就能得到想要的递增序列。

这次我们的要求有些改变,不再判断是不是会超时,而是计算出需要交换多少次才能将这个数组变成一个有序的数组(递增)。
Input
本题测试数据多组测试数据,对于每组测试数据第一行一个整数n,表示这个序列有n个数,接下来n行,每行一个整数ai(0<=ai<=999999999)。
当n等于0时,输入结束,这组数据不做处理。
Output
对于每组数据,输出一个整数,表示交换的次数。
Sample Input
5
9
1
0
5
4
3
1
2
3
0
Sample Output

6

0


Source
2014 Winter Holiday Contest 4

归并排序统计冒泡次数,在取数排序的时候加上相对交换次数即可,本题类似:http://blog.youkuaiyun.com/mengxiang000000/article/details/51290175

AC代码:
注意数据会爆int。

#include<stdio.h>
#include<string.h>
using namespace std;
#define ll long long int
ll a[500020];
ll b[500020];
ll cont;
void mergesort(int l,int r)
{
    int i,j,k,m;
    if(l<r)
    {
        m=(r+l)>>1;
        mergesort(l,m);
        mergesort(m+1,r);
        k=l;
        for(i=l,j=m+1; i<=m&&j<=r;)
        {
            if(a[i]>a[j])
            {
                b[k++]=a[j++],cont+=m-(i-1);
            }
            else b[k++]=a[i++];
        }
        while(i<=m)b[k++]=a[i++];
        while(j<=r)b[k++]=a[j++];
        for(i=l; i<=r; i++)a[i]=b[i];
    }
}
int main()
{
    int n;
    while(~scanf("%d",&n))
    {
        if(n==0)break;
        for(int i=1; i<=n; i++)
        {
            scanf("%lld",&a[i]);
        }
        cont=0;
        mergesort(1,n);
        printf("%lld\n",cont);
    }
}











内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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