uoj#213. 【UNR #1】争夺圣杯(单调栈)

本文介绍了一种使用单调栈求解区间最大值问题的方法,通过两次遍历数组,找到每个元素左侧和右侧的第一个大于该元素的位置,进而计算出所有可能的子区间中以该元素为最大值的情况。

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

传送门

我们枚举每一个元素,用单调栈做两遍计算出它左边第一个大于它的位置\(l[i]\)和右边第一个大于它的位置\(r[i]\),那么一个区间以它为最大值就意味着这个区间的左端点在\([l[i]+1,i]\)之间,右端点在\([i,r[i]-1]\)之间

\(x=i-l[i],y=r[i]-i\),那么考虑一下这个元素会对不同长度的区间有什么贡献

对于在\([1,x-1]\)范围内的长度\(p\),它会使\(p\)的答案增加\(p\times a[i]\)

对于在\([x,y-1]\)范围内的长度\(p\),它会使\(p\)的答案增加\(x\times a[i]\)

对于在\([y,x+y-1]\)范围内的长度\(p\),它会使\(p\)的答案增加\((x+y-p)\times a[i]\)

于是我们可以开两个差分数组,前缀和分别表示:给\(i\)这个位置加上\(c_i\),给\(i\)这个位置加上\(cc_i\times i\)

最后前缀和一下就好了

注意一下,元素的大小是大于模数的,所以单调栈先做完再取模

//minamoto
#include<bits/stdc++.h>
#define R register
#define fp(i,a,b) for(R int i=a,I=b+1;i<I;++i)
#define fd(i,a,b) for(R int i=a,I=b-1;i>I;--i)
#define go(u) for(int i=head[u],v=e[i].v;i;i=e[i].nx,v=e[i].v)
using namespace std;
char buf[1<<21],*p1=buf,*p2=buf;
inline char getc(){return p1==p2&&(p2=(p1=buf)+fread(buf,1,1<<21,stdin),p1==p2)?EOF:*p1++;}
int read(){
    R int res,f=1;R char ch;
    while((ch=getc())>'9'||ch<'0')(ch=='-')&&(f=-1);
    for(res=ch-'0';(ch=getc())>='0'&&ch<='9';res=res*10+ch-'0');
    return res*f;
}
const int N=1e6+5,P=998244353;
inline int add(R int x,R int y){return x+y>=P?x+y-P:x+y;}
inline int dec(R int x,R int y){return x-y<0?x-y+P:x-y;}
inline int mul(R int x,R int y){return 1ll*x*y-1ll*x*y/P*P;}
int ksm(R int x,R int y){
    R int res=1;
    for(;y;y>>=1,x=mul(x,x))if(y&1)res=mul(res,x);
    return res;
}
int st[N],a[N],l[N],r[N],c1[N],c2[N];
int n,ans,top,x,y;
int main(){
//  freopen("testdata.in","r",stdin);
    n=read();
    fp(i,1,n)a[i]=read();
    fp(i,1,n){
        while(top&&a[st[top]]<a[i])--top;
        l[i]=st[top],st[++top]=i;
    }
    top=0,st[0]=n+1;
    fd(i,n,1){
        while(top&&a[st[top]]<=a[i])--top;
        r[i]=st[top],st[++top]=i;
    }
    fp(i,1,n){
        x=i-l[i],y=r[i]-i,a[i]%=P;if(x>y)swap(x,y);
        c2[1]=add(c2[1],a[i]),c2[x]=dec(c2[x],a[i]);
        c1[x]=add(c1[x],mul(x,a[i])),c1[y]=dec(c1[y],mul(x,a[i]));
        c1[y]=add(c1[y],mul(x+y,a[i])),c1[x+y]=dec(c1[x+y],mul(x+y,a[i]));
        c2[y]=dec(c2[y],a[i]),c2[x+y]=add(c2[x+y],a[i]);
    }
    fp(i,1,n)c1[i]=add(c1[i],c1[i-1]),c2[i]=add(c2[i],c2[i-1]),ans^=add(c1[i],1ll*c2[i]*i%P);
    printf("%d\n",ans);
    return 0;
}

转载于:https://www.cnblogs.com/bztMinamoto/p/10287167.html

变分模态分解(Variational Mode Decomposition, VMD)是一种强大的非线性、无参数信号处理技术,专门用于复杂非平稳信号的分析与分解。它由Eckart Dietz和Herbert Krim于2011年提出,主要针对传统傅立叶变换在处理非平稳信号时的不足。VMD的核心思想是将复杂信号分解为一系列模态函数(即固有模态函数,IMFs),每个IMF具有独特的频率成分和局部特性。这一过程与小波分析或经验模态分解(EMD)类似,但VMD通过变分优化框架显著提升了分解的稳定性和准确性。 在MATLAB环境中实现VMD,可以帮助我们更好地理解和应用这一技术。其核心算法主要包括以下步骤:首先进行初始化,设定模态数并为每个模态分配初始频率估计;接着采用交替最小二乘法,通过交替最小化残差平方和以及模态频率的离散时间傅立叶变换(DTFT)约束,更新每个模态函数和中心频率;最后通过迭代优化,在每次迭代中优化所有IMF的幅度和相位,直至满足停止条件(如达到预设迭代次数或残差平方和小于阈值)。 MATLAB中的VMD实现通常包括以下部分:数据预处理,如对原始信号进行归一化或去除直流偏置,以简化后续处理;定义VMD结构,设置模态数、迭代次数和约束参数等;VMD算法主体,包含初始化、交替最小二乘法和迭代优化过程;以及后处理,对分解结果进行评估和可视化,例如计算每个模态的频谱特性,绘制IMF的时频分布图。如果提供了一个包含VMD算法的压缩包文件,其中的“VMD”可能是MATLAB代码文件或完整的项目文件夹,可能包含主程序、函数库、示例数据和结果可视化脚本。通过运行这些代码,可以直观地看到VMD如何将复杂信号分解为独立模态,并理解每个模态的物理意义。 VMD在多个领域具有广泛的应用,包括信号处理(如声学、振动、生物医学信号分析)、图像处理(如图像去噪、特征提取)、金融时间序列分析(识
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