[LOJ2568][可并堆]APIO2016:烟花表演

本文深入解析了LOJ2568折线题的算法思路,探讨了一个点加入后图像变化的四种情况,以及如何通过可并堆优化计算过程。文章详细解释了函数f(x)在不同区间内的变化规律,并提供了完整的代码实现。

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

LOJ2568

按照这类折线题的套路,我们分析加入一个点引起的图像变化
f ( x ) f(x) f(x)表示最终长度为 x x x的最小代价
则需要考虑一个点的儿子对它有什么影响
显然 f ( x ) f(x) f(x)为斜率变化为1的分段一次函数,考虑一个点加入到父亲的边之后产生的变化,设 f ( x ) f(x) f(x)斜率为0的区间为 [ L , R ] [L,R] [L,R],到父亲的边的权值为 w w w,则有如下四种情况:
x ≤ L : f ′ ( x ) = f ( x ) + w x\le L:f'(x)=f(x)+w xL:f(x)=f(x)+w,显然直接继承 f ( x − w ) f(x-w) f(xw)不比删掉 w w w优,因为前面这段函数的斜率都 ≤ − 1 \le-1 1
L ≤ x ≤ L + w : f ′ ( x ) = f ( L ) + w − ( x − L ) L\le x \le L+w:f'(x)=f(L)+w-(x-L) LxL+wf(x)=f(L)+w(xL),道理同上
L + w ≤ x ≤ R + w : f ′ ( x ) = f ( L ) L+w\le x \le R+w:f'(x)=f(L) L+wxR+wf(x)=f(L),直接继承最小值
R + w ≤ x : f ′ ( x ) = f ( R ) + x − ( R − w ) R+w\le x:f'(x)=f(R)+x-(R-w) R+wxf(x)=f(R)+x(Rw),和第一种类似
并且我们每次只会改变右侧的点, 而这些点可以直接删除,所以用个可并堆就好了

Code:

#include<bits/stdc++.h>
#include<ext/pb_ds/priority_queue.hpp>
#define ll long long
using namespace std;
inline int read(){
	int res=0,f=1;char ch=getchar();
	while(!isdigit(ch)) {if(ch=='-') f-=f;ch=getchar();}
	while(isdigit(ch)) {res=(res<<1)+(res<<3)+(ch^48);ch=getchar();}
	return res*f;
}
const int N=1e6+5;
ll ans;
int fa[N],siz[N],w[N];
__gnu_pbds::priority_queue<ll>q[N];
int main(){
	int n=read(),m=read();
	for(int i=2;i<=n+m;i++){
		fa[i]=read(),w[i]=read();
		siz[fa[i]]++;ans+=w[i];
	}
	for(int i=n+m;i>=2;i--){
		ll x=0,y=0;
		if(i<=n){
			for(int j=1;j<siz[i];j++) q[i].pop();
			x=q[i].top();q[i].pop();
			y=q[i].top();q[i].pop();
		}
		q[fa[i]].push(x+w[i]);q[fa[i]].push(y+w[i]);
		q[fa[i]].join(q[i]);
	}
	for(int i=1;i<=siz[1];i++) q[1].pop();
	while(!q[1].empty()) ans-=q[1].top(),q[1].pop();
	cout<<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,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