[BZOJ 4082] Surveillance

本文介绍了一种解决 BZOJ4082 问题的有效算法。通过倍增算法,将计算起点到终点距离的时间复杂度降低到 log(n),解决了原问题中可能存在的超时问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Link:

BZOJ 4082 传送门

Solution:

对于链上这样的问题贪心就好了

如果在一个环上,肯定需要将环转化成链,$O(n)$确定起点才能计算

但枚举每个节点拆环再贪心的复杂度为$O(n^2)$,明显会超时

于是我们要将已知起点,计算从起点走完一圈的距离的时间复杂度降到$log(n)$

 

这时联想到倍增算法:

将所有区间按照右端点排序后,将每个区间和其能达到的右端点最远的区间相连

可以发现,这样就形成了一个$DAG$(每个点都只会向后连边)

接下来只要对于每个点在$DAG$上倍增即可,计算当右端点回到该点起点时的距离

 

Tip:$BZOJ$的题面上没写如无解则输出$impossible$

Code:

#include <bits/stdc++.h>

using namespace std;
typedef pair<int,int> P;
#define X first
#define Y second
const int MAXN=1e6+10,INF=1<<27;
P dat[MAXN];
int l,n,f[MAXN][25],mn[MAXN],res;

bool cmp(P a,P b){return a.Y<b.Y;}

int main()
{
    scanf("%d%d",&l,&n);
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&dat[i].X,&dat[i].Y);
        if(dat[i].Y<dat[i].X) dat[i].Y+=l;
    }
    sort(dat+1,dat+n+1,cmp);
    
    mn[n+1]=INF;res=INF;
    for(int i=n;i>=1;i--) mn[i]=min(mn[i+1],dat[i].X);
    int cur=1;
    for(int i=1;i<=n;i++)
    {
        while(cur<n && mn[cur+1]-1<=dat[i].Y) cur++;
        if(cur!=i) f[i][0]=cur;
    }
    for(int i=n;i>=1;i--)
        for(int j=1;j<=20;j++)
            f[i][j]=f[f[i][j-1]][j-1];
    
    for(int i=1;i<=n;i++)
    {
        int cur=i,cnt=1;
        for(int j=20;j>=0;j--)
            if(f[cur][j] && dat[f[cur][j]].Y<dat[i].X+l-1) cur=f[cur][j],cnt+=1<<j;
        if(f[cur][0] && dat[cur].Y<dat[i].X+l-1) cur=f[cur][0],cnt++;
        if(dat[cur].Y>=dat[i].X+l-1) res=min(res,cnt);
    }
    if(res==INF) puts("impossible");
    else printf("%d\n",res);
    return 0;
}

 

转载于:https://www.cnblogs.com/newera/p/9241728.html

内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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