聪明的质监员 noiip 提高

本文探讨了一种结合前缀和与二分搜索算法解决矿石选取问题的方法。通过分析矿石的质量和价值,利用前缀和优化计算过程,再通过二分搜索找到最佳的质量阈值,以最小化总价值与目标值的差距。

聪明的质监员

算法:前缀和+二分

题目链接

吐槽一下,这个质检员不会被开除么。。。。

这个题很明显的二分枚举,但是还有一个前缀和有点坑人。

这题题其实点不多,就两个关键点:

第一:二分的判断。

可以看到:在W取0时,所有的区间内的矿石都可以选上,

而在W大于最大的质量时,所有的矿石都选不上。

然后简单算一下就发现:

W越大,矿石选的越少,W越小,矿石选的越多。

满足二分单调性

所以,随着W增大,Y值减小;

所以:二分的判断条件出来了:

当Y>s时,需要增大WW来减小YY,从而∣Y−s∣变小;

当Y==s时,∣Y−s∣==0;

当Y<s时,需要减小W来增大Y,从而|Y-s|变大;

第二:前缀和。

我们在计算一个区间的和时(虽然这里是两个区间和再相乘,但没关系)

通常是用前缀和的方法来缩减时间,直接模拟是n^2的,而前缀和成了2*n

大大的优化了时间,前缀和不会的去先学前缀和,我默认大家都会,就不赘述了。

很显然:

在w[i]>=W时这个i矿石会在统计里(若<W<W就不管它了直接pre[i]=pre[i-1],

矿石价值和是:pre_v[i]=pre_v[i-1]+v[i]prev​[i]=prev​[i−1]+v[i],前面的和加上当前这一个i矿石;

矿石数量和是:pre_n[i]=pre_n[i-1]+1pren​[i]=pren​[i−1]+1,数量加1嘛。

然后最后算的时候用右端点r-(左端点l-1)就可以了

注意:谨记所前缀和时要pre[r]-pre[l-1],这个‘-1’不要忘!

然后就没啥了,给上代码:

(当然,一些基础的“lld”之类的你要注意,不多赘述了)

 

#include<bits/stdc++.h>
using namespace std;
const int maxn=200010;
int w[maxn],v[maxn],l[maxn],r[maxn];
long long pre_n[maxn],pre_v[maxn];
long long Y,s,sum;
int n,m,mx=-1,mn=2147483647;
bool check(int W)
{	
	Y=0,sum=0;
	memset(pre_n,0,sizeof(pre_n));
	memset(pre_v,0,sizeof(pre_v));
	for(int i=1;i<=n;i++)
	{
		if(w[i]>=W) pre_n[i]=pre_n[i-1]+1,pre_v[i]=pre_v[i-1]+v[i];
		else pre_n[i]=pre_n[i-1],pre_v[i]=pre_v[i-1];
	}
	
	//前缀和
	
	for(int i=1;i<=m;i++)
		Y+=(pre_n[r[i]]-pre_n[l[i]-1])*(pre_v[r[i]]-pre_v[l[i]-1]);
		

	sum=llabs(Y-s);
	//差值
	if(Y>s) return true;
	else return false;
	//判断二分条件,与差值无关,只会不断逼s
	
	
}
int main(){

	scanf("%d %d %lld",&n,&m,&s); 
	for(int i=1;i<=n;i++)
	{
		scanf(" %d %d",&w[i],&v[i]);
		mx=max(mx,w[i]);
		mn=min(mn,w[i]);	
	}
	for(int i=1;i<=m;i++)
		scanf(" %d %d",&l[i],&r[i]);
	int left=mn-1,right=mx+2,mid;  
	long long ans=0x3f3f3f3f3f3f3f3f;
	while(left<=right)
	{
		mid=(left+right)>>1;
		if(check(mid)) 	left=mid+1;
		else right=mid-1;
		if(sum<ans) ans=sum;
	}
	printf("%lld",ans);
	return 0;
} 

 

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人及工程技术人。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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