AC日记——贪婪大陆 洛谷 P2184

贪婪大陆:树状数组应用
本文介绍了一个名为“贪婪大陆”的问题,并使用树状数组进行解决。文章提供了完整的C++代码实现,通过树状数组高效地处理区间更新和查询操作。

贪婪大陆

 

思路;

  树状数组;

  跪烂。。

 

代码:

#include <bits/stdc++.h>
using namespace std;
#define maxn 100005
int n,m,ltree[maxn],rtree[maxn],tot;
inline void in(int &now)
{
    char Cget=getchar();now=0;
    while(Cget>'9'||Cget<'0')Cget=getchar();
    while(Cget>='0'&&Cget<='9')
    {
        now=now*10+Cget-'0';
        Cget=getchar();
    }
}
inline int lowbit(int x)
{
    return x&(-x);
}
inline void add(int x,bool di)
{
    if(di)
    {
        while(x<=n)
        {
            ltree[x]++;
            x+=lowbit(x);
        }
    }
    else
    {
        while(x<=n)
        {
            rtree[x]++;
            x+=lowbit(x);
        }
    }
}
inline int sum(int l,int r,bool di)
{
    l--;int res=0;
    if(di)
    {
        while(r) res+=ltree[r],r-=lowbit(r);
        while(l) res-=ltree[l],l-=lowbit(l);
    }
    else
    {
        while(r) res+=rtree[r],r-=lowbit(r);
        while(l) res-=rtree[l],l-=lowbit(l);
    }
    return res;
}
int main()
{
    in(n),in(m);int q,l,r;
    while(m--)
    {
        in(q),in(l),in(r);
        if(q==1) tot++,add(l,true),add(r,false);
        else
        {
            int res=tot;
            if(l>1) res-=sum(1,l-1,false);
            if(r<n) res-=sum(r+1,n,true);
            printf("%d\n",res);
        }
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/IUUUUUUUskyyy/p/6953840.html

### 关于洛谷 P2207 的题解及相关信息 #### 问题描述 洛谷 P2207 是一道经典的算法竞赛题目,其核心涉及动态规划或贪心策略的应用。虽然未提供具体的题目内容,但从常见的同类型题目来看,该问题可能围绕数组操作、路径优化或其他离散数学模型展开。 以下是基于已有经验对该类问题的通用解答框架: --- #### 动态规划解决方案 如果此问题是关于最短路径或者最优子结构的选择问题,可以采用动态规划方法解决。假设输入是一个二维矩阵 `grid`,目标是从左上角到右下角找到一条路径使得某种代价最小化(如时间和距离)。定义状态转移方程如下[^1]: 设 `dp[i][j]` 表示到达位置 `(i, j)` 的最小成本,则有: ```cpp dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i][j]; ``` 边界条件为: ```cpp dp[0][j] = sum(grid[0][k]), k from 0 to j; dp[i][0] = sum(grid[k][0]), k from 0 to i; ``` 最终答案存储在 `dp[n-1][m-1]` 中,其中 `n` 和 `m` 分别代表网格的高度和宽度。 完整实现代码如下所示: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 1e9; int main(){ int n, m; cin >> n >> m; vector<vector<int>> grid(n, vector<int>(m)); for(auto& row : grid){ for(auto& cell : row) cin >> cell; } vector<vector<int>> dp(n, vector<int>(m, INF)); dp[0][0] = grid[0][0]; // 初始化起点 for(int i=0;i<n;i++){ for(int j=0;j<m;j++){ if(i>0) dp[i][j] = min(dp[i][j], dp[i-1][j]+grid[i][j]); if(j>0) dp[i][j] = min(dp[i][j], dp[i][j-1]+grid[i][j]); } } cout << dp[n-1][m-1] << endl; } ``` --- #### 贪心算法思路 对于某些特定场景下的全局最优解寻找过程,也可以尝试利用局部决策来构建整体方案。比如当面临资源分配时,总是优先选取当前剩余量最大的选项直至满足需求为止[^3]。 伪代码展示如下: ```python def greedy_allocation(resources, requirements): resources.sort(reverse=True) result = [] index = 0 while sum(result)<requirements and index<len(resources): result.append(resources[index]) index +=1 return result if sum(result)>=requirements else None ``` 注意这里只是简单示意,并不一定适用于具体实例情况,请根据实际业务逻辑调整细节部分。 --- ### 总结 无论是通过动态规划还是运用贪婪法则处理此类组合优化难题,都需要仔细分析给定约束条件下是否存在重叠子问题以及是否具备无后效性的特点。只有明确了这些前提之后才能有效设计出高效求解办法。
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