【bzoj4889】: [Tjoi2017]不勤劳的图书管理员 分块-BIT

本文解析了一道关于序列杂乱度计算的算法题[Tjoi2017]不勤劳的图书管理员。通过使用分块技术和二分查找优化,解决了多次交换后序列杂乱度的快速计算问题。

【bzoj4889】: [Tjoi2017]不勤劳的图书管理员

题目大意:给定一个序列(n<=50000),每个数有一个编码ai(ai<=50000)和权值vi(vi<=100000),每次交换两个数的位置,交换m次(m<=50000)

求每次交换后的序列的杂乱度对1e9+7取模(对于每一对是逆序对的编码会产生两者权值和的杂乱度)。

感觉正解是什么奇怪的树套树?蒟蒻只会分块水题。。

先用BIT求一遍初始状态的杂乱度。。(不要问我为什么一开始是BIT。。因为打暴力正好用到就懒得改了。。感觉直接分块也行)

然后开始分块。。分块完对每个块内排序,然后求出排序完之后的权值前缀和。

考虑每次交换操作,若原有序列是 A B C D E,交换B D

那么其实改变的杂乱度只跟B->D的序列有关,跟A E无关

仔细讨论一下就是

当aB<aD

改变的杂乱度会是

C段里所有编号比aB大的权值和 + C段里所有编号比aB大的个数*vB  -  C段里所有编号比aB小的权值和 - C段里所有编号比aB小的个数*vB

C段里所有编号比aD小的权值和 + C段里所有编号比aD小的个数*vD  -  C段里所有编号比aD大的权值和 - C段里所有编号比aD大的个数*vD

当aB>aD

贡献符号相反。

如果B!=D 还会加上 vB+vD的贡献

按照这种讨论在分块里各种暴力瞎搞二分就好了。。

然后最后再把BD所在的块暴力重建就做完了。。

  1 /* http://www.cnblogs.com/karl07/ */
  2 #include <cstdlib>
  3 #include <cstdio>
  4 #include <cstring>
  5 #include <cmath>
  6 #include <algorithm>
  7 using namespace std;
  8 
  9 #define ll long long 
 10 #define lowbit(x) (x&-x)
 11 const int N=1e5+5;
 12 const int P=1e9+7;
 13 const int MX=1e5;
 14 int n,m,cnt;
 15 int pos[N],st[N];
 16 ll bit[N],bb[N];
 17 ll lst=0;
 18 struct data{
 19     int x,y;
 20 }a[N],b[N];
 21 
 22 bool oper(data a,data b){
 23     return a.x<b.x;
 24 }
 25 
 26 void modify(int i){
 27     for (int j=st[i];j<st[i+1];j++){
 28         b[j].x=a[j].x;
 29         b[j].y=a[j].y;
 30     }
 31     sort(b+st[i],b+st[i+1],oper);
 32     for (int j=st[i]+1;j<st[i+1];j++){
 33         b[j].y=(b[j].y+b[j-1].y)%P;
 34     }
 35 }
 36 
 37 int find(int l,int r,int x){
 38     int mid=(l+r)/2,ans=l-1;
 39     while (l<=r){
 40         mid=(l+r)/2;
 41         if (b[mid].x<x){
 42             ans=mid;
 43             l=mid+1;
 44         }else{
 45             r=mid-1;
 46         }
 47     }
 48     return ans;
 49 }
 50 
 51 ll query(int x,int mn,int mx,int ny,int xy){
 52     int p1=find(st[x],st[x+1]-1,mx),p2=find(st[x],st[x+1]-1,mn);
 53     ll ans=0;
 54     ans+=(b[p1].y)*(p1>=st[x])+(p1-st[x]+1)*xy%P;
 55     ans+=b[st[x+1]-1].y-b[p2].y*(p2>=st[x])+ny*(st[x+1]-1-p2)%P;
 56     swap(p1,p2);
 57     ans-=(b[p1].y)*(p1>=st[x])+(p1-st[x]+1)*ny%P;
 58     ans-=b[st[x+1]-1].y-b[p2].y*(p2>=st[x])+xy*(st[x+1]-1-p2)%P;
 59     return ans%P;
 60 }
 61 
 62 void build(){
 63     int sz=sqrt(n)/2;
 64     for (int i=1;i<=n;i++){
 65         if (sz==1 || i%sz==1){
 66             st[++cnt]=i;
 67         }
 68         pos[i]=cnt;
 69     }
 70     st[cnt+1]=n+1;
 71     for (int i=1;i<=cnt;i++){
 72         modify(i);
 73     }
 74 }
 75 
 76 void Modify(int x,int y){
 77     while (x<=MX){
 78         bit[x]+=y;
 79         bb[x]++;
 80         bit[x]%=P;
 81         x+=lowbit(x);
 82     }
 83 }
 84 
 85 ll Query(int x,int y){
 86     ll ans=0,a2=0;
 87     while (x){
 88         ans+=bit[x];
 89         a2+=bb[x];
 90         ans%=P;
 91         x-=lowbit(x);
 92     }
 93     ans+=a2*y%P;
 94     return ans%P;
 95 }
 96 
 97 int main(){
 98     scanf("%d%d",&n,&m);
 99     for (int i=1;i<=n;i++){
100         scanf("%d%d",&a[i].x,&a[i].y);
101     }
102     for (int j=1;j<=n;j++){
103         lst+=Query(MX,a[j].y)-Query(a[j].x,a[j].y);
104         lst%=P;
105         Modify(a[j].x,a[j].y);
106     }
107     build();
108     for (int i=1;i<=m;i++){
109         int x,y,x1,y1,px,py,mn,mx,ny,xy;
110         ll ans=0;
111         scanf("%d%d",&x1,&y1);
112         x=min(x1,y1);
113         y=max(x1,y1);
114         px=pos[x],py=pos[y];
115         if (a[x].x<a[y].x) mn=a[x].x,ny=a[x].y,mx=a[y].x,xy=a[y].y;
116         else mx=a[x].x,xy=a[x].y,mn=a[y].x,ny=a[y].y;
117         if (px!=py){
118             for (int i=x+1;i<st[px+1];i++){
119                 ans+= (a[i].x>mn)*(a[i].y+ny);
120                 ans+= (a[i].x<mx)*(a[i].y+xy);
121 
122                 ans-= (a[i].x<mn)*(a[i].y+ny);
123                 ans-= (a[i].x>mx)*(a[i].y+xy);
124                 ans%=P;
125             }
126             for (int i=st[py];i<y;i++){
127                 ans+= (a[i].x>mn)*(a[i].y+ny);
128                 ans+= (a[i].x<mx)*(a[i].y+xy);
129 
130                 ans-= (a[i].x<mn)*(a[i].y+ny);
131                 ans-= (a[i].x>mx)*(a[i].y+xy);
132                 ans%=P;
133 
134             }
135             for (int i=px+1;i<=py-1;i++){
136                 ans+= query(i,mn,mx,ny,xy);
137                 ans%=P;
138             }
139         }else{
140             for (int i=x+1;i<y;i++){
141                 ans+= (a[i].x>mn)*(a[i].y+ny);
142                 ans+= (a[i].x<mx)*(a[i].y+xy);            
143 
144                 ans-= (a[i].x<mn)*(a[i].y+ny);
145                 ans-= (a[i].x>mx)*(a[i].y+xy);
146             }
147                 ans%=P;
148 
149         }
150         if (x!=y) ans+=a[x].y+a[y].y;
151         ans%=P;
152         if (a[x].x>a[y].x) ans=(-ans+P)%P;
153         printf("%lld\n",lst=(lst+ans+P)%P);
154         swap(a[x],a[y]);
155         modify(pos[x]);
156         modify(pos[y]);
157     }
158     return 0;
159 }
View Code

另外当块的大小取sqrt(n)/2的时候跑的飞快。。

40s就跑出来了。。竟然有rank5(2017.5.27)。。而且空间也很小有没有。。

 

转载于:https://www.cnblogs.com/karl07/p/6914234.html

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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  | 博主筛选后可见
 
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