ZJOI[2010]基站选址 线段树优化DP

博客围绕ZJOI[2010]基站选址问题展开,指出这是线段树优化dp的入门题。先介绍暴力写法,定义dp状态并给出状态转移方程,还提及一种算答案的便捷方法。接着阐述优化思路,通过分析cost函数特征,用线段树处理村庄影响的前置状态,最后给出AC代码。

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

ZJOI[2010]基站选址

Part -1

这是一个很神仙的dp题,也可以算是线段树优化dp的一道入门题(神仙说的)。

Part 0

首先得打出暴力的写法。要注意dp的无后效性。(还有注意要仔细看题)

定义dp[i][k]dp[i][k]dp[i][k]为对于前iii个村落,建kkk个通讯基站,且最后一个建在第iii个村庄的最小花费。

那么就有dp[i][k]=min(dp[j][k−1]+cost[j][i]+C[i])(j&lt;i)dp[i][k]=min(dp[j][k-1]+cost[j][i]+C[i])(j&lt;i)dp[i][k]=min(dp[j][k1]+cost[j][i]+C[i])(j<i)cost[j][i]cost[j][i]cost[j][i]表示在村庄jjjiii建了通讯基站之后j+1−−−&gt;i−1j+1---&gt;i-1j+1>i1的村庄中没有被覆盖的村庄的补偿费用之和。那么统计答案可以在最后在dp[i][K]dp[i][K]dp[i][K]加上i+1−−−&gt;ni+1---&gt;ni+1>n的没有被覆盖的村庄的补偿费用之和。

这里有一种比较方便的算最后答案的方法,就是在加一个id为n+1的村庄,距离1村庄的距离为∞(赋值赋一个较大的值即可)S,C,W都为0。最后的答案就是dp[n+1][K+1]dp[n+1][K+1]dp[n+1][K+1]

part 1

接下来就是优化了。我们不难发现cost[j][i]cost[j][i]cost[j][i]是限制我们复杂度的关键。然后我们观察cost[j][i]cost[j][i]cost[j][i]算到的需要补偿的村庄有什么特征。然后就发现这些的村庄的S+D比iii小,且这些村庄的D-S都比jjj大(这不废话)。于是我们可以把这些村庄按照S+D排序,在决策到i这个村庄时,S+D<D[i]村庄才会对决策有影响。如果我们的前一个要从dp[j][k−1]dp[j][k-1]dp[j][k1]状态转移,那么我们我们就要算上这S+D<D[i]且D-S>D[j]的村庄的贡献,如果我们看这个村庄X的影响,如果前置状态为dp[j][k−1]dp[j][k-1]dp[j][k1]且j不在X的范围内,那么就要加上这个村庄的补偿。不难发现这些j组成了一个区间。那么我们就可以用线段树来处理一个村庄影响的前置状态。(当然是以k为dp分层的标准的情况之下),然后进行转移即可。

当然k为1的DP值要先预处理出来。

(真的看不懂可以看代码,再看不懂可以评论)。

AC代码:

#include<cstdio>
#include<algorithm>
#include<cstring> 
#define M 20005
using namespace std;
int dis[M],cost[M],S[M],W[M];
void check_min(int &x,int y){if(x>y)x=y;}
int n,K;
struct node{
	int W,stid,endis;
	bool operator <(const node &x)const{return endis<x.endis;}
}A[M];
int Get_L(int x){//预处理一个村庄S范围内的最左边的村庄 
	int L=1,R=x,res=x;
	while(L<=R){
		int mid=(L+R)>>1;
		if(dis[x]-dis[mid]<=S[x]){
			res=mid;
			R=mid-1;
		}else L=mid+1;
	}
	return res;
}
int dp[M];
struct Segment_tree{
	struct node{
		int L,R,mn,Lazy;
		void Add(int d){mn+=d;Lazy+=d;}
	}tree[M<<2];
	void Up(int p){tree[p].mn=min(tree[p<<1].mn,tree[p<<1|1].mn);}
	void Down(int p){
		int& res=tree[p].Lazy;
		if(!res)return;
		tree[p<<1].Add(res);
		tree[p<<1|1].Add(res);
		res=0;
	}
	void Build(int L,int R,int p){
		tree[p].L=L,tree[p].R=R,tree[p].mn=tree[p].Lazy=0;
		if(L==R){
			tree[p].mn=dp[L];
			return;
		}
		int mid=(L+R)>>1;
		Build(L,mid,p<<1);
		Build(mid+1,R,p<<1|1);
		Up(p);
	}
	void Updata(int L,int R,int d,int p){
		if(L<=tree[p].L&&tree[p].R<=R){
			tree[p].Add(d);
			return;
		}
		int mid=(tree[p].L+tree[p].R)>>1;
		Down(p);
		if(R<=mid)Updata(L,R,d,p<<1);
		else if(L>mid)Updata(L,R,d,p<<1|1);
		else Updata(L,mid,d,p<<1),Updata(mid+1,R,d,p<<1|1);
		Up(p);
	}
	int Query(int L,int R,int p){
		if(L<=tree[p].L&&tree[p].R<=R)return tree[p].mn;
		int mid=(tree[p].L+tree[p].R)>>1;
		Down(p);
		if(R<=mid)return Query(L,R,p<<1);
		else if(L>mid)return Query(L,R,p<<1|1);
		else return min(Query(L,mid,p<<1),Query(mid+1,R,p<<1|1));
	}
}ST;//区间更新,区间求最大值的线段树 
int main(){
	int ans=0;
	scanf("%d%d",&n,&K);
	for(int i=2;i<=n;i++)scanf("%d",&dis[i]);dis[n+1]=2e9+7;
	for(int i=1;i<=n;i++)scanf("%d",&cost[i]);
	for(int i=1;i<=n;i++)scanf("%d",&S[i]);
	for(int i=1;i<=n;i++)scanf("%d",&W[i]),ans+=W[i];
	for(int i=1;i<=n;i++){
		A[i].W=W[i];
		A[i].stid=Get_L(i);//i的S能覆盖的最左边的村庄 
		A[i].endis=dis[i]+S[i];//i的S能覆盖的最右边的位置 
	}
	sort(A+1,A+n+1);//按endis排序 
	int id=1,sum=0;
	for(int i=1;i<=n+1;i++){//预处理只建一个基站时的dp数组 
		while(id<=n&&A[id].endis<dis[i])sum+=A[id].W,id++;
		dp[i]=cost[i]+sum;
	}
	ST.Build(1,n+1,1);
	for(int j=2;j<=K+1;j++){
		id=1; 
		for(int i=j;i<=n+1;i++){//上一层建了j-1个基站,故最后一个基站最前也在j-1个村庄 
			while(id<=n&&A[id].endis<dis[i]){
				if(A[id].stid>j-1)ST.Updata(j-1,A[id].stid-1,A[id].W,1);//在线段树上更新 
				id++;
			}
			dp[i]=cost[i]+ST.Query(j-1,i-1,1);
		}
		if(j!=K+1)ST.Build(1,n+1,1);//把这一层放在线段树上 
		check_min(ans,dp[n+1]);
	}
	printf("%d\n",ans);
	return 0;
}
基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,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,给一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,给一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是一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波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。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,可以进一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是一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