luoguP3168 [CQOI2015]任务查询系统

本文介绍了一种利用主席树和线段树等高级数据结构解决超级计算机任务管理系统中查询问题的方法。具体而言,该系统需要处理一系列任务并能快速响应查询,即在特定时刻找出优先级最小的K个任务的优先级总和。

题目描述

最近实验室正在为其管理的超级计算机编制一套任务管理系统,而你被安排完成其中的查询部分。超级计算机中的任务用三元组(Si,Ei,Pi)描述,(Si,Ei,Pi)表示任务从第Si秒开始,在第Ei秒后结束(第Si秒和Ei秒任务也在运行),其优先级为Pi。同一时间可能有多个任务同时执行,它们的优先级可能相同,也可能不同。调度系统会经常向查询系统询问,第Xi秒正在运行的任务中,优先级最小的Ki个任务(即将任务按照优先级从小到大排序后取前Ki个)的优先级之和是多少。特别的,如果Ki大于第Xi秒正在运行的任务总数,则直接回答第Xi秒正在运行的任务优先级之和。上述所有参数均为整数,时间的范围在1到n之间(包含1和n)。

输入输出格式

输入格式:
输入文件第一行包含两个空格分开的正整数m和n,分别表示任务总数和时间范围。接下来m行,每行包含三个空格分开的正整数Si、Ei和Pi(Si<=Ei),描述一个任务。接下来n行,每行包含四个空格分开的整数Xi、Ai、Bi和Ci,描述一次查询。查询的参数Ki需要由公式 Ki=1+(Ai*Pre+Bi) mod Ci计算得到。其中Pre表示上一次查询的结果,对于第一次查询,Pre=1。

输出格式:
输出共n行,每行一个整数,表示查询结果。

输入输出样例

输入样例#1:
4 3
1 2 6
2 3 3
1 3 2
3 3 4
3 1 3 2
1 1 3 4
2 2 4 3

输出样例#1:
2
8
11
说明

样例解释
K1 = (1*1+3)%2+1 = 1
K2 = (1*2+3)%4+1 = 2
K3 = (2*8+4)%3+1 = 3
对于100%的数据,1<=m,n,Si,Ei,Ci<=100000,0<=Ai,Bi<=100000,1<=Pi<=10000000,Xi为1到n的一个排列

分析:
据说这道题可以用暴力A?

但我们现在是高端人士
需要用高nan端xie的算法
A掉这些复zhi杂zhang的题

主席树.nd

tip

开ll

好好读题

m是任务总数,n是时间范围

搞不清为什么传参的时候,要传m
这里写图片描述
Ans:我们在一开始的时候把优先级离散成了一个n级别的序列
(毕竟有多少任务就有多少个离散后的排名啊)
新建线段树代表时间的推移
而每一棵线段树中,维护的都是各个优先级,从小到大排序
只有这样,在查询的时候我们才能找到第k大
所以传入的一定是n(不同的优先级)

写完之后发现insert的&好像一点用都没有
tree里的元素并没有跟着改变
后来才发现是这句话写错了
这里写图片描述

这里写代码片
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
#define ll long long

using namespace std;

const int N=100010;
struct node{
    ll v,sum,l,r;
};
node tree[N*160];
ll root[N<<1],tot=0,top=0;
struct nd{
    int x,v,type,num;
};
nd po[N<<1];
ll zz[N],id[N],num[N],pre=1,temp;
int n,m;

int cmp1(const int a,const int b){return zz[a]<zz[b];}
int cmp2(const nd &a,const nd &b){return a.x<b.x;}

int ask(ll bh,int l,int r,ll k)
{
    if (l==r)
    {
        return temp+=tree[bh].sum;
    }
    int mid=(l+r)>>1;
    ll t=tree[tree[bh].l].v;   //有多少个元素 
    if (t>=k) return ask(tree[bh].l,l,mid,k);
    else 
    {
        temp+=tree[tree[bh].l].sum;    //不要忘了把值加上 
        return ask(tree[bh].r,mid+1,r,k-t);
    }
}

void insert(ll &now,int l,int r,int wz,int val,int zl)   //位置,优先值,种类 
{
    top++;
    tree[top]=tree[now];  //新建节点
    now=top;   //
    tree[now].v+=zl;  //子树中有多少个元素 
    tree[now].sum+=val;
    if (l==r) return;
    int mid=(l+r)>>1;
    if (wz<=mid) insert(tree[now].l,l,mid,wz,val,zl);
    if (wz>mid) insert(tree[now].r,mid+1,r,wz,val,zl); 
}

void print()
{
    int i,j;
    for (i=1;i<=top;i++)
        printf("%d: ls:%lld rs:%lld v:%lld sum:%lld\n",i,tree[i].l,tree[i].r,tree[i].v,tree[i].sum);
    puts("");
}

int main()
{
    scanf("%d%d",&m,&n);
    for (int i=1;i<=m;i++)
    {
        int u,w,z;
        scanf("%d%d%d",&u,&w,&z);   //把每个任务拆成两个
        zz[i]=z; id[i]=i;
        if (u>w) swap(u,w);   
        tot++;
        po[tot].x=u; po[tot].v=z; po[tot].type=1;  //加入
        tot++;
        po[tot].x=w+1; po[tot].v=-z; po[tot].type=-1;  //删除 
    }

    sort(id+1,id+1+m,cmp1);   //把优先级离散化,抽象成了排名 
    for (int i=1;i<=m;i++) num[id[i]]=i;
    for (int i=1;i<=tot;i+=2)
         po[i].num=num[(i+1)/2],po[i+1].num=num[(i+1)/2];   

    sort(po+1,po+1+tot,cmp2);   //按时间排序
    int j=1;
    for (int i=1;i<=n;i++)   //n是时间范围 
    {
        root[i]=root[i-1];
        while (po[j].x==i) insert(root[i],1,m,po[j].num,po[j].v,po[j].type),j++;
       // print();
    }

    for (int i=1;i<=n;i++)
    {
        int u,a,b,c;
        scanf("%d%d%d%d",&u,&a,&b,&c);
        int k=1+(a*pre+b)%c;
        temp=0;
        pre=ask(root[u],1,m,k);
        printf("%lld\n",pre);
    }
    return 0;
}

转载于:https://www.cnblogs.com/wutongtong3117/p/7673366.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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