#离散#VIJOS 1056 图形面积

本文介绍了一种通过离散化方法解决多个矩形重叠问题的算法,该方法能够有效地计算这些矩形组成图形的总面积。

题目

桌面上放了NNN个平行于坐标轴的矩形,这NNN个矩形可能有互相覆盖的部分,求它们组成的图形的面积。


分析

虽然大神说暴力可以过,but我还是老老实实用离散吧。
把它们的横坐标和纵坐标收集起来,依次判断就好了。


代码

#include <cstdio>
#include <cctype>
#include <algorithm>
using namespace std;
int m1,m2,n,x1[101],y1[101],x2[101],y2[101],a[201],b[201],x[201],y[201]; long long ans;
int in(){
	int ans=0,f=1; char c=getchar();
	while (!isdigit(c)&&c!='-') c=getchar();
	if (c=='-') f=-f,c=getchar();
	while (isdigit(c)) ans=ans*10+c-48,c=getchar();
	return ans*f;
}
int main(){
	n=in();
	for (int i=1;i<=n;i++){
		x1[i]=in(),y1[i]=in(),x2[i]=in(),y2[i]=in();
		a[(i<<1)-1]=x1[i]; b[(i<<1)-1]=y1[i];
		a[i<<1]=x2[i]; b[i<<1]=y2[i];
	}
	stable_sort(a+1,a+1+2*n); x[++m1]=a[1];
	stable_sort(b+1,b+1+2*n); y[++m2]=b[1];
	for (int i=2;i<=2*n;i++)
	if (a[i]!=a[i-1]) x[++m1]=a[i];//去重
	for (int i=2;i<=2*n;i++)
	if (b[i]!=b[i-1]) y[++m2]=b[i];
	for (int i=1;i<m1;i++)
	for (int j=1;j<m2;j++)
	for (int k=1;k<=n;k++)
	if (x[i]>=x1[k]&&x[i+1]<=x2[k]&&y[j]>=y1[k]&&y[j+1]<=y2[k])
	{ans+=(long long)(x[i+1]-x[i])*(y[j+1]-y[j]); break;}//匹配到直接退出
	printf("%lld",ans);
	return 0;
}
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
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