HDU 多校赛2 Swaps and Inversions problem-6318

本文介绍了解决HDU 6318问题的方法,该问题要求计算数列的逆序数,并利用归并排序进行求解。通过分析,给出了一种高效的算法实现,同时对比了树状数组等其他可能的解决方案。

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

原题链接:http://acm.hdu.edu.cn/showproblem.php?pid=6318

题意:本题就是求数列的逆序数然后用逆序数乘以min(x,y)这样才能使花费最少,求逆序数可以用归并,树状数组,暴力,暴力肯定会超时,一开始用树状数组不知道什么原因会一直WA,后来改用归并AC(由于粗心忘了初始化也WA了)

#include<stdio.h>
#include<string.h>

int a[100005], b[100005];

long long count;//记录逆序数

void merge(int low, int mid, int high)
{
    int i = low, j = mid + 1, k = low;
    while ((i <= mid) && (j <= high))
    {
        if (a[i] <= a[j])
        {
            b[k++] = a[i++];
        }
        else
        {
            b[k++] = a[j++];
            count += mid - i + 1;//记录逆序数
        }
    }
    while (i <= mid)
        b[k++] = a[i++];
    while (j <= high)
        b[k++] = a[j++];
    for (int i = low; i <= high; i++)
        a[i] = b[i];


}
void sort(long long low, long long high)
{
    int mid = (low + high) / 2;
    int x, y, z;
    if (low >= high)
        return;
    sort(low, mid);
    sort(mid + 1, high);
    merge(low, mid, high);
    return;

}
int main()
{
        int n,x,y;
        while (~scanf("%d %d %d", &n, &x, &y)) {
            count = 0;//这个初始化不能少
            for (int i = 0; i<n; i++)
                scanf("%d", &a[i]);
            sort(0, n - 1);
            //printf("%lld\n", count);
            if(y<x)
                printf("%lld\n", count*y);
            else
                printf("%lld\n", count*x);
        }
        
    return 0;
}

关于求逆序数的算法这里有大佬的博客

归并:https://blog.youkuaiyun.com/zangker/article/details/42217909

树状数组:https://blog.youkuaiyun.com/cattycat/article/details/5640838

 

 

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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