CodeForces 939E Maximize!

本文介绍了一种使用离线分治算法解决特定数学问题的方法,即如何选择一个子序列使其平均值最小,并通过代码实现了解决方案。

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

 

题目链接

 

我的做法是离线进行分治。

假设选择第$i$个数字作为最大值,那么比它小的部分的数字肯定是某个前缀,也就是要去寻找选择哪个前缀使得平均值最小。

可以发现前缀的寻找具有决策单调性,也就是说,如果选择第$i$个数字作为最大值的时候,前缀是选择了$[1, p]$;那么选择第$i$个数字之后的数字作为最大值的时候,前缀是选择肯定大于等于$p$位置。因此分治就可以了。

#include <bits/stdc++.h>
using namespace std;

const int maxn = 5e5 + 10;
long long sum[maxn];
long long a[maxn];
double mean[maxn];
double ans[maxn];
int n;
queue<int> q;

void dp(int l, int r, int dl, int dr) {
  int mid = (l + r) >> 1, dm = dl;
  double g = 2e9;
  for(int i = dl; i <= dr && i < mid; i ++) {
    double tmp = 1.0 * (sum[i] + a[mid]) / (i + 1);
    if(tmp < g) g = tmp, dm = i;
  }
  ans[mid] = g;
  if(l < mid) dp(l, mid - 1, dl, dm);
  if(r > mid) dp(mid + 1, r, dm, dr);
}

int main() {
  int Q;
  scanf("%d", &Q);
  while(Q --) {
    int op;
    scanf("%d", &op);
    if(op == 1) {
      long long x;
      scanf("%lld", &x);
      n ++;
      a[n] = x;
      sum[n] = sum[n - 1] + a[n];
    } else {
      q.push(n);
    }
  }
  dp(1, n, 1, n);
  for(int i = 1; i <= n; i ++) {
    ans[i] = 1.0 * a[i] - ans[i];
  }
  ans[1] = 0.0;
  for(int i = 2; i <= n; i ++) {
    ans[i] = max(ans[i], ans[i - 1]);
  }
  while(!q.empty()) {
    printf("%.8f\n", ans[q.front()]);
    q.pop();
  }
  return 0;
}

 

转载于:https://www.cnblogs.com/zufezzt/p/8455152.html

内容概要:本文详细介绍了深度学习的基本概念和技术要点,涵盖了从基础知识到高级模型的多个方面。首先,文中强调了激活函数与权重初始化的最佳实践,如ReLU搭配He初始化,Sigmoid或Tanh搭配Xavier初始化。接着,文章系统地讲解了深度学习所需的数学基础(线性代数、微积分、概率统计)、编程技能(Python、PyTorch/TensorFlow)以及机器学习基础(监督学习、无监督学习、常见算法)。此外,还深入探讨了神经网络的核心组件,包括前向传播、反向传播、激活函数、优化算法、正则化方法等,并特别介绍了卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、注意力机制(Attention)、Transformer架构及其衍生模型(BERT、GPT)。最后,文章讨论了大模型训练、分布式训练、模型压缩、Prompt Engineering、文本生成、多模态学习等前沿话题,并提供了学习资源推荐。 适合人群:对深度学习有一定兴趣并希望深入了解其原理的研究人员、工程师或学生,尤其是那些具备一定编程基础和数学知识的人群。 使用场景及目标:①帮助读者理解深度学习中的关键概念和技术细节;②指导读者如何选择合适的激活函数和权重初始化方法;③为读者提供构建和优化神经网络模型的实际操作指南;④介绍最新的研究进展和发展趋势,拓宽读者视野。 其他说明:建议读者在学习过程中结合实际案例进行练习,积极尝试文中提到的各种技术和工具,同时关注领域内的最新研究成果,以便更好地掌握深度学习的应用技巧。
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