51Nod 1107 斜率小于0的连线数量

本文介绍了一个算法问题,即在二维平面上找出所有斜率小于0的连线数量。通过坐标离散化和逆序对计数的方法,有效地解决了该问题。输入包含一系列点的坐标,输出则是符合条件的连线数量。

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

1107 斜率小于0的连线数量

基准时间限制:1 秒 空间限制:131072 KB 分值: 40 难度:4级算法题
二维平面上N个点之间共有C(n,2)条连线。求这C(n,2)条线中斜率小于0的线的数量。
二维平面上的一个点,根据对应的X Y坐标可以表示为(X,Y)。例如:(2,3) (3,4) (1,5) (4,6),其中(1,5)同(2,3)(3,4)的连线斜率 < 0,因此斜率小于0的连线数量为2。
Input
第1行:1个数N,N为点的数量(0 <= N <= 50000)
第2 - N + 1行:N个点的坐标,坐标为整数。(0 <= X[i], Y[i] <= 10^9)
Output
输出斜率小于0的连线的数量。(2,3) (2,4)以及(2,3) (3,3)这2种情况不统计在内。
Input示例
4
2 3
3 4
1 5
4 6
Output示例
2

#include<algorithm>
#include<cstdio>
#include<cstring>
using namespace std;
#define LL long long
#define INF 1000000007
#define lowbit(x) (x&(-x))
const int N = 50000 + 5;
const int MAX = N;
struct BIT{
    int n;
    LL c[MAX];
    BIT(int n){//a[1]....a[n]
        this->n = n;
        for(int i=1; i<=n; ++i){
            c[i]=0;
        }
    }
    void add(int k, int num){//a[k] + num
        while(k <= n) c[k] += num,k += lowbit(k);
    }
    LL sum(int k){//a[1]+..+a[k]
        LL Ans = 0;
        while(k) Ans += c[k],k -= lowbit(k);
        return Ans;
    }
};
struct P{ int x,y; }p[N];
bool compX(const P &a,const P &b){ return a.x < b.x; }
bool compY(const P &a,const P &b){ return a.y < b.y; }

void initXY(int n) {//坐标离散化 此处只需要处理y坐标即可
    sort(p,p + n,compY);
    int last = p[0].y;
    p[0].y = 1;
    for(int i=1; i<n; ++i){
        int tmp = p[i].y;
        p[i].y = p[i].y==last ? p[i-1].y : p[i-1].y + 1;
        last = tmp;
    }
    stable_sort(p,p + n,compX);
}
LL slove(int n) {
    LL Ans = 0;
    BIT bit(MAX-3);
    for(int i=n-1; i>=0; --i){
        Ans+=bit.sum(p[i].y-1);
        bit.add(p[i].y,1);
    }
    return Ans;
}
int main() {
    int n;
    while(~scanf("%d",&n)){
        for(int i=0; i<n; ++i) scanf("%d%d",&p[i].x,&p[i].y);
        initXY(n);
        printf("%lld\n",slove(n));
    }
    return 0;
}

如果两个点构成的直线斜率小于零,那么一个点肯定在另外一个点的右下方,那么对横坐标排个序,求一下纵坐标的逆序对。。

题目 51nod 3478 涉及一个矩阵问题,要求通过最少的操作次数,使得矩阵中至少有 `RowCount` 行和 `ColumnCount` 列是回文的。解决这个问题的关键在于如何高效地枚举所有可能的行和列组合,并计算每种组合所需的操作次数。 ### 解法思路 1. **预处理每一行和每一列变为回文所需的最少操作次数**: - 对于每一行,计算将其变为回文所需的最少操作次数。这可以通过比较每对对称位置的值是否相同来完成。 - 对于每一列,计算将其变为回文所需的最少操作次数,方法同上。 2. **枚举所有可能的行和列组合**: - 由于 `N` 和 `M` 的最大值为 8,因此可以枚举所有可能的行组合和列组合。 - 对于每一种组合,计算其所需的最少操作次数,并取最小值。 3. **计算操作次数**: - 对于每一种组合,需要计算哪些行和列需要修改,并且注意行和列的交叉点可能会重复计算,因此需要去重。 ### 代码实现 以下是一个可能的实现方式,使用了枚举和位运算来处理组合问题: ```python def min_operations_to_palindrome(matrix, row_count, col_count): import itertools N = len(matrix) M = len(matrix[0]) # Precompute the cost to make each row a palindrome row_cost = [] for i in range(N): cost = 0 for j in range(M // 2): if matrix[i][j] != matrix[i][M - 1 - j]: cost += 1 row_cost.append(cost) # Precompute the cost to make each column a palindrome col_cost = [] for j in range(M): cost = 0 for i in range(N // 2): if matrix[i][j] != matrix[N - 1 - i][j]: cost += 1 col_cost.append(cost) min_total_cost = float('inf') # Enumerate all combinations of rows and columns rows = list(range(N)) cols = list(range(M)) from itertools import combinations for row_comb in combinations(rows, row_count): for col_comb in combinations(cols, col_count): # Calculate the cost for this combination cost = 0 # Add row costs for r in row_comb: cost += row_cost[r] # Add column costs for c in col_comb: cost += col_cost[c] # Subtract the overlapping cells for r in row_comb: for c in col_comb: # Check if this cell is part of the palindrome calculation if r < N // 2 and c < M // 2: if matrix[r][c] != matrix[r][M - 1 - c] and matrix[N - 1 - r][c] != matrix[N - 1 - r][M - 1 - c]: cost -= 1 min_total_cost = min(min_total_cost, cost) return min_total_cost # Example usage matrix = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] row_count = 2 col_count = 2 result = min_operations_to_palindrome(matrix, row_count, col_count) print(result) ``` ### 代码说明 - **预处理成本**:首先计算每一行和每一列变为回文所需的最少操作次数。 - **枚举组合**:使用 `itertools.combinations` 枚举所有可能的行和列组合。 - **计算成本**:对于每一种组合,计算其成本,并考虑行和列交叉点的重复计算问题。 ### 复杂度分析 - **时间复杂度**:由于 `N` 和 `M` 的最大值为 8,因此枚举所有组合的时间复杂度为 $ O(N^{RowCount} \times M^{ColCount}) $,这在实际中是可接受的。 - **空间复杂度**:主要是存储预处理的成本,空间复杂度为 $ O(N + M) $。 ### 相关问题 1. 如何优化矩阵中行和列的枚举组合以减少计算时间? 2. 在计算行和列的交叉点时,如何更高效地处理重复计算的问题? 3. 如果矩阵的大小增加到更大的范围,如何调整算法以保持效率? 4. 如何处理矩阵中行和列的回文条件不同时的情况? 5. 如何扩展算法以支持更多的操作类型,例如翻转某个区域的值?
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

打赏作者

七情六欲·

学生党不容易~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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