[JSOI2007]建筑抢修 BZOJ1029 BSOJ2228 CODEVS2913 贪心+大根堆

本文详细解析了JSOI2007中的建筑抢修问题,介绍了如何通过合理安排修缮顺序来最大化可修复的建筑数量。采用终止时间排序和贪心策略,确保了算法的有效性和正确性。
2228 -- 【JSOI2007】建筑抢修
Description
  小刚在玩JSOI提供的一个称之为“建筑抢修”的电脑游戏。
  经过了一场激烈的战斗,T部落消灭了所有z部落的入侵者。但是T部落的基地里已经有N个建筑设施受到了严重的损伤,如果不尽快修复的话,这些建筑设施将会完全毁坏。
  现在的情况是:T部落基地里只有一个修理工人。虽然它能瞬间到达任何一个建筑,但是修复每个建筑都需要一定的时间。同时,修理工人修理完一个建筑才能修理下一个建筑,不能同时修理多个建筑。如果某个建筑在一段时间之内没有完全修理完毕,这个建筑就报废了。
  你的任务是帮小刚合理的制定一个修理顺序,以抢修尽可能多的建筑。
Input
  输入文件第一行是一个整数N,接下来N行每行两个整数T1, T2描述一个建筑:修理这个建筑需要T1秒,如果在T2秒之内还没有修理完成,这个建筑就报废了。
Output
  输出文件只有一行,是一个整数S,表示最多可以抢修S个建筑。
  N < 150,000; T1 < T2 < maxlongint
Sample Input
4
100 200
200 1300
1000 1250
2000 3200
Sample Output
3

这道题不能说是一个明显的贪心,但是仔细想想还是可以想出来的。

先按照终止时间排序
然后能加进去的就加进去
不能加进去的就判断下当前这个建筑的修复时间是否小于 在修缮队列里耗时最长的那一个,如果小于就替换它(因为这样答案不变,总时间变小),
否则不管这个建筑
为什么这个贪心是正确的,首先我们证明按终止时间排序是正确的
显然,如果最优答案的修缮顺序不是按照终止时间排序的,那么将其按照终止时间排序后并不影响这个修缮顺序的正确性
现在证明那个贪心策略的正确性
首先如果当前这个建筑存在与最优修缮序列里,而我们的贪心策略将其忽略,导致最优答案变少,那么我们就错误了(现在证明这种情况不可能)
好的,现在假设我们因为不加入而导致最优答案变少,即我们因为不加进这个建筑,导致后面某些最优序列里的建筑我们无法加入
好吧,那么我们加进这个建筑x,讨论所有情况
1、如果我们因此要剔除一个在序列里的建筑,那么显然是不可能的,因为按照贪心策略,这个建筑x无法加入序列,如果剔除一个建筑并把它加入,显然序列长度不变,但时间变长了
2、如果我们因此要剔除两个或以上在序列里的建筑,然后才可以加入后面最优序列里的那些建筑,并使序列长度比纯贪心序列的长度要长,那么也是不可能的,因为若它们不被贪心策略采纳,耗时肯定大于贪心序列里最大的一个,而那个建筑进入序列后,序列的长度变短,时间也一定变短(不然怎么可能更优!?),然而这个变短的长度绝不会大于等于原来贪心序列里最大的一个(不然为什么还要剔除多一个,就是说你剔除k个建筑就能装下建筑x,然而你剔除了k+1个),那么就是说我加入了这个建筑x,然而最优序列的后面的建筑我一个加不进去,T_T,这显然与加入这个建筑x使序列边长矛盾
所以不存在一种情况是加入这个贪心序列不加入的建筑x是更优的。。。。
所以贪心策略正确

要运用堆。
#include<iostream>
#include<algorithm>
#include<cmath>
#include<cstring>
#include<cstdio>
#include<queue>
#include<vector>
using namespace std;
struct node{int ti,lim;
}a[200005];
bool cmp(node a,node b)
{
	return a.lim<b.lim;
}
priority_queue<int,vector<int> >q;
int ans=0,n;
int main(){
	cin>>n;
	for(int i=1;i<=n;i++)
	  cin>>a[i].ti>>a[i].lim;
	sort(a+1,a+n+1,cmp);
	q.push(a[1].ti);
	int now=a[1].ti;
	ans=1;
	for(int i=2;i<=n;i++)
	{
		if(now+a[i].ti<=a[i].lim)
		{
			q.push(a[i].ti);
			now+=a[i].ti;
			ans++;
		}
		else
		{
			int top=q.top();
			if(top>a[i].ti)
			{
				q.pop();
				now=now-top+a[i].ti;
				q.push(a[i].ti);
			}
		}
	}
	cout<<ans;
	return 0;
}


考虑柔性负荷的综合能源系统低碳经济优化调度【考虑碳交易机制】(Matlab代码实现)内容概要:本文围绕“考虑柔性负荷的综合能源系统低碳经济优化调度”展开,重点研究在碳交易机制下如何实现综合能源系统的低碳化与经济性协同优化。通过构建包含风电、光伏、储能、柔性负荷等多种能源形式的系统模型,结合碳交易成本与能源调度成本,提出优化调度策略,以降低碳排放并提升系统运行经济性。文中采用Matlab进行仿真代码实现,验证了所提模型在平衡能源供需、平抑可再生能源波动、引导柔性负荷参与调度等方面的有效性,为低碳能源系统的设计与运行提供了技术支撑。; 适合人群:具备一定电力系统、能源系统背景,熟悉Matlab编程,从事能源优化、低碳调度、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究碳交易机制对综合能源系统调度决策的影响;②实现柔性负荷在削峰填谷、促进可再生能源消纳中的作用;③掌握基于Matlab的能源系统建模与优化求解方法;④为实际综合能源项目提供低碳经济调度方案参考。; 阅读建议:建议读者结合Matlab代码深入理解模型构建与求解过程,重点关注目标函数设计、约束条件设置及碳交易成本的量化方式,可进一步扩展至多能互补、需求响应等场景进行二次开发与仿真验证。
### JSOI 星球大战 相关题目及解法 #### 题目背景 很久以前,在一个遥远的星系,一个黑暗的帝国靠着它的超级武器统治着整个星系。反抗军正在计划一次大规模的反攻行动[^2]。 #### 题目描述 给定一张图表示星系中的行星及其连接关系,每颗行星可以看作是一个节点,而边则代表两颗行星之间的通信通道。初始时所有行星都是连通的。然而,随着时间推移,某些行星可能被摧毁,从而影响到整体网络的连通性。每次询问需要返回当前还剩下多少个连通分量。 该问题的核心在于动态维护图的连通性变化情况,并快速响应查询操作。 --- #### 解决方案概述 此问题可以通过 **并查集 (Disjoint Set Union, DSU)** 数据结构来高效解决。以下是具体实现方法: 1. 并查集是一种用于处理不相交集合的数据结构,支持两种主要操作: - `find(x)`:找到元素 $x$ 所属集合的根节点。 - `union(x, y)`:将两个不同集合合并成一个新的集合。 这些操作的时间复杂度接近常数级别(通过路径压缩优化后为 $\alpha(n)$),其中 $\alpha(n)$ 是阿克曼函数的逆函数。 2. 对于本题而言,由于是倒序模拟行星毁灭的过程,因此可以从最终状态向前回溯重建历史记录。即先假设所有的行星都被摧毁了,再逐步恢复它们的存在状态。 3. 使用数组存储每个时间点上的事件顺序,按照输入数据给出的销毁次序依次执行相应的动作即可完成任务需求。 --- #### 实现细节 下面提供了一个基于 Python 的解决方案框架: ```python class UnionFind: def __init__(self, n): self.parent = list(range(n)) self.rank = [0] * n def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) # 路径压缩 return self.parent[x] def union_set(self, x, y): xr = self.find(x) yr = self.find(y) if xr == yr: return False if self.rank[xr] < self.rank[yr]: self.parent[xr] = yr elif self.rank[xr] > self.rank[yr]: self.parent[yr] = xr else: self.parent[yr] = xr self.rank[xr] += 1 return True def main(): import sys input = sys.stdin.read data = input().split() N, M = int(data[0]), int(data[1]) edges = [] for i in range(M): u, v = map(int, data[i*2+2:i*2+4]) edges.append((u-1, v-1)) # Convert to zero-based index destroyed_order = list(map(lambda x:int(x)-1, data[M*2+2:M*2+N+2])) queries = [] uf = UnionFind(N) current_components = N result = [] # Preprocess the reverse order of destructions. active_edges = set(edges) edge_map = {tuple(sorted(edge)): idx for idx, edge in enumerate(edges)} status = [True]*M for planet in reversed(destroyed_order): initial_state = current_components connected_to_planet = [ e for e in active_edges if planet in e and all(status[edge_map[tuple(sorted(e))]] for e in active_edges)] for a, b in connected_to_planet: if uf.union_set(a, b): current_components -= 1 result.append(current_components) queries.insert(0, str(initial_state)) print("\n".join(reversed(result))) if __name__ == "__main__": main() ``` 上述代码定义了一个简单的并查集类以及主程序逻辑部分。它读取标准输入流中的数据,构建所需的邻接表形式表达图的关系矩阵;接着依据指定好的破坏序列逐一还原各阶段下的实际状况直至结束为止。 --- #### 性能分析 对于最大规模测试案例来说 ($N=10^5$, $M=4 \times 10^5$),这种方法能够很好地满足性能要求。因为每一次联合操作几乎都可以视为 O(α(N)) 时间消耗,所以总体运行效率非常高。 ---
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