hdu 3016 Man Down

本文介绍了一种使用线段树进行优化的动态规划算法,该算法用于解决一个具体问题:给定一系列木板,每块木板有不同的高度、左边界和右边界,通过线段树快速查询和更新,实现高效求解从任意位置下落所能达到的最大值。

http://acm.hdu.edu.cn/showproblem.php?pid=3016

这个题做得比较爽,1Y,用线段树来优化的dp

用线段树来查询从当前点下落落到第几快木板上,方法是从下向上扫描,每次先查询再更新……其实可以不用离散化,因为x坐标的范围在0 到 100000之间

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>

using namespace std;
const int maxn=200010;
#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1
int id[maxn<<2],l[maxn],r[maxn],tab[maxn],dp[maxn];
struct Node
{
    int h,l,r,val;
}p[maxn];
void pushdown(int rt)
{
    if(id[rt]!=-1){
        id[rt<<1]=id[rt];
        id[rt<<1|1]=id[rt];
        id[rt]==-1;
    }
}
void pushup(int rt){
    if(id[rt<<1]==id[rt<<1|1]) id[rt]=id[rt<<1];
    else id[rt]=-1;
}
void update(int L,int R,int val,int l,int r,int rt)
{
    if(L<=l&&R>=r){
        id[rt]=val;
        return;
    }
    pushdown(rt);
    int m=(l+r)>>1;
    if(L<=m) update(L,R,val,lson);
    if(R>m) update(L,R,val,rson);
    pushup(rt);
}
int query(int p,int l,int r,int rt)
{
    if(id[rt]!=-1) return id[rt];
    int m=(l+r)>>1;
    if(p<=m) return query(p,lson);
    else return query(p,rson);
}
int cmp(Node a,Node b)
{
    return a.h < b.h;
}
int bin(int key,int l,int r)
{
    while(l<=r)
    {
        int m=(l+r)>>1;
        if(tab[m]==key) return m;
        if(tab[m]>key) r=m-1;
        else l=m+1;
    }
}
int main()
{
    int n,k;
    while(scanf("%d",&n)==1)
    {
        p[0].h=0,p[0].l=0,p[0].r=100000,p[0].val=0;
        tab[0]=0,tab[1]=100000;
        k=1;
        for(int i=1;i<=n;i++)
           scanf("%d%d%d%d",&p[i].h,&p[i].l,&p[i].r,&p[i].val),tab[++k]=p[i].l,tab[++k]=p[i].r;
        sort(p,p+n+1,cmp);
        sort(tab,tab+k+1);
        id[1]=0;
        k=unique(tab,tab+k+1)-tab-1;
        for(int i=1;i<=n;i++)
        {
            int pl=bin(p[i].l,0,k),pr=bin(p[i].r,0,k);
            l[i]=query(pl,0,k,1);
            r[i]=query(pr,0,k,1);
            update(pl,pr,i,0,k,1);
        }
        memset(dp,-1,sizeof(dp));
        dp[n]=100+p[n].val;
        for(int i=n;i>=1;i--)
        if(dp[i]>0)
        {
            dp[l[i]]=max(dp[l[i]],dp[i]+p[l[i]].val);
            dp[r[i]]=max(dp[r[i]],dp[i]+p[r[i]].val);
        }
        printf("%d\n",dp[0]);
    }
    return 0;
}


成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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