Codeforces Round #339 (Div. 2) D .Skills 偷师一波前缀和的运用

本文探讨了一种通过技能点分配来最大化特定数学表达式的算法。重点在于利用前缀和优化技能点使用策略,实现最优技能等级组合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意:有n个技能,每个技能的初始等级为ai,每个技能的最高等级都是A,现在有m个技能点,每个技能点可以提升任一技能一级。 问如何分配技能点 使得:cf*(A等级技能个数)+cm *(最低技能等级) 这个表达式的结果最大。
这题一看题目,觉得可以做,然后就开始搞一波!
注意的地方:技能点可以选择不用完,只需要用不超过m的技能点就好。
因为 可以选择加满的技能最多就是n 个,最少是0个。 所以 for(int i=A技能个数为0 ——-i<=A技能个数为n)
在此之前,我们先预处理把前缀和求出来,等下会讲到前缀和有很多省时的妙处

for (i= 1;i<=n;i++) //先预处理
        sum[i]= sum[i-1]+a[i].first  //sum存前缀和

然后如果A技能为i个,那么剩下的技能点d 还有m-(A*i-(sum[n]-sum[n-i])) ; 那么对于剩下的这些技能点,我们自然需要提高最小的等级,
我一开始的想法:如果能够把a[1].first 提升到a[2].first 那么就继续提升, 直到a[i].first 我们需要的技能点就是 i* a[i].first 如果有d< i* a[i].first ,那么我们在i这个地方只能提升 d/i ,就结束了,但是我们如果想到找到这个i,就只能从1开始找,这样最坏的时间复杂度就是O(n*n),下面我们看前缀和的处理方式:

while(d<a[p].first*(p-1)-sum[p-1]) //这个优化,我想了好久丢没有想出来该怎么优化
                p--; 

这个处理完,接下来的东西就是细节问题了

#include<iostream>
#include<stdio.h>
#include<string.h>
#include<math.h>
#include<algorithm>
#include<stdlib.h>
#include<queue>
#include<stack>
#include<map>
#include<vector>
#define mem(a) memset(a,0,sizeof(a))
#define pfn printf("\n")
#define pfd(a) printf("%d\n",a)
#define pf2d(a,b) printf("%d %d\n",a,b)
#define pf3d(a,b,c) printf("%d %d %d\n",a,b,c)
#define pfs(a) printf("%s\n",a)
#define sfd(a) scanf("%d",&a)
#define sf2d(a,b) scanf("%d%d",&a,&b)
#define sf3d(a,b,c) scanf("%d%d%d",&a,&b,&c)
#define sfs(a) scanf("%s",a)
#define sf  scanf
#define pf  printf
#define fr(i,n) for(int i=0;i<n;i++)
#define INF 0x7fffffff   //INT_MAX
#define inf 0x3f3f3f3f   //
const double PI = acos(-1.0);
const double e = exp(1.0);
template<class T> T gcd(T a, T b) { return b ? gcd(b, a % b) : a; }
template<class T> T lcm(T a, T b) { return a / gcd(a, b) * b; }
template<class T> inline T Min(T a, T b) { return a < b ? a : b; }
template<class T> inline T Max(T a, T b) { return a > b ? a : b; }
bool cmpbig(int a,int b){return a>b;}
bool cmpsmall(int a,int b){return a<b;}
using namespace std;
#define ll long long
using namespace std;
const ll maxn= 2e5;
pair<ll,ll> a[maxn];
ll sum[maxn],b[maxn];
ll n,A,cf,cm,m,i,j,k,ans,p,xx,yy,x;
int main()
{
    //freopen("1.txt","r",stdin);
    scanf("%I64d %I64d %I64d %I64d %I64d",&n, &A, &cf, &cm, &m);
    for (i= 1;i<=n;i++){
        scanf("%I64d",&a[i].first);
        a[i].second= i;
    }
    sort(a+1,a+n+1); //sort自然是按pair 的first排序,a已经从小到大

    for (i= 1;i<=n;i++) //先预处理
        sum[i]= sum[i-1]+a[i].first;  //sum存前缀和,学到一招!!解题不超时关键之处
    p=n;
    for (i= 0;i<=n;i++){
        ll d= m-(A*i-(sum[n]-sum[n-i])); //m-i个A需要的点数,所以d就是剩下的点数
        if (d<0) break; //0个A
        p= min(p,n-i);  //更新p:非A 的数量。
        if (p==0){     //m足够大
            x= cf*i+cm*A;  //即最后的答案
            k= A;
        }
        else {    //m不足以把所有得技能都加满
            while(d<a[p].first*(p-1)-sum[p-1]) //这个优化,我想了好久丢没有想出来该怎么优化
                p--;  //这个用前缀和 完美的解决了:把前p个技能的最小等级最大化!
            d-= a[p].first*(p-1)-sum[p-1];
            //这里题意:m不一定要全部都用掉,所以d 可以有剩余一些,
            k= min(a[p].first+d/p,A); //k表示最小等级
            x= cf*i+cm*k;
        }
        if (ans<x){
            ans= x;
            xx= i; //i表示后xx个位A ,前n-xx个为k;
            yy= k;
        }
    }
    printf("%I64d\n",ans);
    for (i= n-xx+1;i<=n;i++)
        b[a[i].second]= A;
    for (i= 1;i<=n-xx;i++)
        b[a[i].second]= max(a[i].first,yy);

    for (i= 1;i<=n;i++)
        printf("%I64d ",b[i]);
    printf("\n");
    return 0;
}
基于数据挖掘的音乐推荐系统设计与实现 需要个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是种低引脚数的串行通信协议,允许多个设备共享对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
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