2019牛客暑期多校训练营(第八场)D Distance

本文介绍了一种在三维空间中进行高效查询和更新的算法,通过使用树状数组和哈希技术,解决了在长方体空间上的操作问题。文章详细阐述了如何处理曼哈顿距离最近点查询,以及如何在不同状态下存储和查询点坐标。

题目链接: https://ac.nowcoder.com/acm/contest/888/D

题意:

现在在一个n∗m∗zn*m*znmz 的长方体上有两种操作,操作1是要你在这个长方体上多加一个坐标 (x,y,z)(x,y,z)(x,y,z) ,操作2是查询这个长方体上目前离点 (x0,y0,z0)(x_{0},y_{0},z_{0})(x0,y0,z0) 曼哈顿距离最近的点的距离是多少,即求 min(∣x0−xi∣+∣y0−yi∣+∣z0−zi∣)min(|x_{0}-x_{i}|+|y_{0}-y_{i}|+|z_{0}-z_{i}|)min(x0xi+y0yi+z0zi)

做法:

我们考虑将三个绝对值拆开的情况。 那么我们最后的答案一定是 ① (x0−xi)+(y0−yi)+(z0−zi)(x_{0}-x_{i})+(y_{0}-y_{i})+(z_{0}-z_{i})(x0xi)+(y0yi)+(z0zi) ,② (−x0−(−xi))+(y0−yi)+(z0−zi)(-x_{0}-(-x_{i}))+(y_{0}-y_{i})+(z_{0}-z_{i})(x0(xi))+(y0yi)+(z0zi) , ③ (x0−xi)+(−y0−(−yi))+(z0−zi)(x_{0}-x_{i})+(-y_{0}-(-y_{i}))+(z_{0}-z_{i})(x0xi)+(y0(yi))+(z0zi)八种情况中的某一种。

我们就可以把所得到的要添加的点,在树状数组中存下八种状态,那么我们如果要得到最近的点,我们就去八个树状数组中查询小于等于当前值的最大值,做差取最小值即可。

相信可能有的人会和我一开始一样有疑问,为什么只找小于当前值的最大值,大于当前值的最小值不需要吗。 其实是不必要的,因为如果要找更大一点的话,一定可以在其他状态里面的某一个值被找到。举个例子,比如坐标(1,2)(1,2)(1,2)(2,2)(2,2)(2,2), 在(1+2)−(2+2)(1+2) -(2+2)(1+2)(2+2)中是找不到的,需要找大于它的最小值,但是在(−1+2)−(−2+2)(-1+2) -(-2+2)(1+2)(2+2)的情况下,就会被找到,并且确实是小于它的最大值。三维同理。

哈希是为了保证所有的坐标都有不同的数字表示,这个应该没什么异议,另外我需要解释一下其中的数字为什么要这么取(毕竟一开始也确实困扰了我)。

① 为什么在开始保存的时候要x+n,y+m,z+hx+n,y+m,z+hx+n,y+m,z+h呢,因为我们枚举到了负的减法情况,在树状数组中会变成负数,这是不可行的,所以我们要都加边界值,同时为了不让其变成0,还要再加1。
② 在哈希的时候为什么要乘上2m2m2m还有2h2h2h的 ,这就是哈希的保证,yyy出现的时候范围为2m2m2mzzz同理。
③ 数据范围的5e6,在极限情况下,n=5e4,m=2,z=1n=5e4,m=2,z=1n=5e4,m=2,z=1的时候,nnn的上限会达到5e4∗2∗2∗((2∗2+5)+2)=4e65e4*2*2*((2*2+5)+2)=4e65e422((22+5)+2)=4e6

代码

#include<bits/stdc++.h>
#define rep(i,a,b) for(int i=(int)a;i<=(int)b;i++)
using namespace std;
const int maxn = 5e6+100;
const int inf=0x3f3f3f3f;

int xm[8]={1,1,1,1,-1,-1,-1,-1};
int ym[8]={1,1,-1,-1,1,1,-1,-1};
int zm[8]={1,-1,1,-1,1,-1,1,-1};
void deal(int i,int x,int y,int z,int &nx,int &ny,int &nz){
    nx=x*xm[i]; ny=y*ym[i]; nz=z*zm[i];
}
struct BIT{
    int mx[maxn],n,m,h;
    int g_hash(int x,int y,int z){
        return x*(2*m+2)*(2*h+2)+y*(2*h+2)+z;
    }
    void init(int nn,int mm,int hh){
        n=nn,m=mm,h=hh;
        for(int i=0;i<maxn;i++) mx[i]=-inf;
    }
    int lb(int x){
        return x&(-x);
    }
    void update(int x,int y,int z,int v){
        for(int i=x;i<2*n+5;i+=lb(i)){
            for(int j=y;j<2*m+5;j+=lb(j)){
                for(int k=z;k<2*h+5;k+=lb(k)){
                    mx[g_hash(i,j,k)]=max(mx[g_hash(i,j,k)],v);
                }
            }
        }
    }
    int query(int x,int y,int z){
        int ret=-inf;
        for(int i=x;i;i-=lb(i)){
            for(int j=y;j;j-=lb(j)){
                for(int k=z;k;k-=lb(k)){
                    ret=max(ret,mx[g_hash(i,j,k)]);
                }
            }
        }
        return ret;
    }
} B[8];
int n,m,h,q;
int main(){
    scanf("%d%d%d%d",&n,&m,&h,&q);
    rep(i,0,7) B[i].init(n,m,h);
    while(q--){
        int op,x,y,z;
        scanf("%d%d%d%d",&op,&x,&y,&z);
        if(op==1){
            for(int i=0;i<8;i++){
                int nx,ny,nz;
                deal(i,x,y,z,nx,ny,nz);
                B[i].update(n+nx+1,m+ny+1,h+nz+1,nx+ny+nz);
            }
        }
        else{
            int ans=inf;
            for(int i=0;i<8;i++){
                int nx,ny,nz;
                deal(i,x,y,z,nx,ny,nz);
                ans=min(ans,nx+ny+nz-B[i].query(n+nx+1,m+ny+1,h+nz+1));
            }
            printf("%d\n",ans);
        }
    }
    return 0;
}

### 暑期训练营的适合水平分析 暑期训练营是一项面向算法竞赛爱好者的系列比赛,主要目的是为选手提供一个练习和提升的机会[^1]。该训练营通常吸引了来自全国各地的编程爱好者以及准备参加 ACM-ICPC 或其他算法竞赛的学生参与。根据以往的经验,以下是对适合水平的详细分析: #### 1. **基础要求** 训练营中的题目难度跨度较大,从入门级到高难度均有覆盖。对于新手选手来说,如果具备一定的算法基础(如掌握基本的数据结构、排序算法、搜索算法等),可以尝试参与并从中学习[^2]。 #### 2. **中级选手** 中级水平的选手通常已经熟练掌握了常见的算法模板,例如动态规划、图论(最短路径、最小生成树等)、字符串匹配等。这类选手可以通过训练营中的中等难度题目进一步巩固知识,并挑战更高难度的问题以提升能力[^3]。 #### 3. **高级选手** 高级水平的选手通常是 ACM-ICPC 区域赛或更高级别比赛的参赛者。他们能够快速解决大部分常规问题,并专注于研究复杂算法和优化技巧。对于这些选手,训练营是一个检验自身实力、发现不足的好机会[^4]。 #### 4. **团队协作能力** 值得注意的是,训练营不仅考察个人能力,还强调团队合作的重要性。许题目需要名队员分工合作才能高效完成。因此,即使是高水平的个人选手,也需要通过训练营来磨练与队友的配合能力[^5]。 ```python # 示例代码:计算最短路径(Dijkstra算法) import heapq def dijkstra(graph, start): n = len(graph) dist = [float('inf')] * n dist[start] = 0 heap = [(0, start)] while heap: d, u = heapq.heappop(heap) if d > dist[u]: continue for v, w in graph[u]: if dist[u] + w < dist[v]: dist[v] = dist[u] + w heapq.heappush(heap, (dist[v], v)) return dist ``` 上述代码展示了图论中经典的 Dijkstra 算法实现,这是训练营中可能出现的基础知识点之一。 ---
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