[NOI1999]生日蛋糕 洛谷P1731

这篇博客介绍了NOI1999竞赛中的一道题目,涉及基础的深度优先搜索(DFS)和剪枝策略。博主通过简化问题,忽略π并进行搜索,同时在搜索过程中实施不同类型的剪枝方法,包括限制枚举范围、体积可行性剪枝和表面积优化。最终,博主提供了实现AC(Accepted)的代码片段。

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

原题

原来NOI也有这么水的时候

这是一道基础的dfs+剪枝,好像也没什么好讲的

首先题目描述是h和r都是正整数,所以肯定想到的就是搜索啦

至于怎么搜嘛。。。

首先把π约掉,因为无论体积表面积周长都含有π

于是约掉过后就是愉快的搜索啦~~~

搜索时要记录5个状态,分别是此时的层数,此时的高,此时的半径,此时的体积与此时的表面积。

这个好像没问题吧

然后硬枚r和h,每次算一下体积与表面积就行啦。。。

然后就愉快的TLE了,呵呵,到底是NOI,不可能这样就给你过了

再想剪枝

1
枚举时至少要给此层以上的所有层至少留个1,h和r都要

因此在for h的时候就从此时的高-1枚到剩下的层数,r也是同理

再进一步思考,如果先枚举r再枚举h,是可以确定h的范围的,

假设最后只剩一层,那么h最大的应为(剩下的体积)/(r*r)

所以枚举h的时候,就从min((剩下的体积)/(r*r),h-1) 枚到层数。

这个剪枝很好想吧。

2
如果此时的体积加之后最小可能的体积比要求体积还要大的话,剪掉吧。

最大体积怎么计算吗,先预处理一下,用一个数组存到第几层时,最小的可能体积

前面两个都是可行性剪枝


3
既然体积都考虑到了,就再考虑表面积

最小可能表面积也可以像体积那样预处理出来,存表面积的时候只用考虑周围一圈,应为顶部面积只与最下层的r有关 小学奥数

如果最小面积+此时面积大于此时的最小答案的话,就剪掉吧,因为不是最优了

表面积还可以剪一次

圆柱体体积的公式为V=r2hπ 表面积为S=2rhπ
所以
V=S*r/2
S=(V/r) * 2
因此还可以再剪一次枝

if(此时表面积+2*(总体积-此时体积)/r>=最小体积) 就剪掉吧

然后就可以愉快的AC啦

附上代码

#include<bits/stdc++.h>
using namespace std;
int mv[20001],ms[20001];
int ans=999999999;
int n,m;
void dfs(int cen,int s,int v,int nr,int nh)
{
	if(cen==0)
	{
		if(v==n) ans=min(ans,s);
		return;
	}
	if(v+mv[cen]>n) return;
	if(s+2*(n-v)/nr>ans) return;
	if(s+ms[cen]>ans) return;
	for(register int r=nr-1;r>=cen;r--)
	{
		if(cen==m) s=r*r;
		for(register int h=min(nh-1,(n-v-mv[cen-1])/(r*r));h>=cen;h--)
		{
			dfs(cen-1,s+2*r*h,v+r*r*h,r,h);
		}
	}
	
}
int main()
{
     cin>>n>>m;
	for(int i=1;i<=m;i++)
	{
		mv[i]=i*i*i+mv[i-1];
		ms[i]=2*i*i+ms[i-1];
	}
	
	dfs(m,0,0,(int)(sqrt(n)),n);//只放一层,且高度唯一时,r的最大值为sqrt(n) 
	if(ans!=999999999)
	cout<<ans;
	else cout<<0;
	return 0;
 } 
<think>嗯,用户想了解如何用分块方法解决P2042这个维护数列的问题。首先,我需要回忆一下分块算法的基本概念。分块通常是将数据分成多个块,每个块单独处理,平衡查询和修改的时间复杂度。不过,题目是NOI2005的,可能比较复杂,因为维护数列通常涉及插入、删除、区间修改、翻转、求和、最大子段和等操作。分块处理这些操作可能比较麻烦,尤其是动态的插入和删除,会导致块的大小变化,影响效率。 首先,我得确认分块是否适合这个问题。一般来说,分块的时间复杂度是O(n√n),对于大数可能还行,但像这种NOI题目可能数据量较大,分块可能不够高效,不过用户明确问分块方法,所以需要找到如何结构设计。 维护数列的典型操作包括:在某个位置插入一段数列,删除某个区间,区间覆盖,区间翻转,区间求和,求最大子段和。分块的话,每个块需要维护这些操作的信息。比如每个块需要记录翻转标记、覆盖标记,以及各种区间和、最大子段和等。 接下来,分块的结构设计。每个块可以存储一个数组,同时维护块内的总和、最大前缀和、最大后缀和、最大子段和,以及翻转和覆盖的懒标记。插入和删除操作需要考虑块的分裂和合并,这可能比较复杂,因为频繁的插入删除会导致块的大小不均,影响效率。所以可能需要设置块的大小阈值,比如当块的大小超过2√n时分裂,小于√n/2时合并相邻块。 处理翻转操作时,每个块维护一个翻转标记,当需要翻转区间时,对覆盖的完整块标记翻转,并处理部分块。同样,覆盖操作需要懒标记,当块被完全覆盖时,直接更新块内的值,并记录覆盖值。 最大子段和的计算需要每个块维护内部的最大子段和、最大前缀和、最大后缀和,这样在查询时,可以将多个块的信息合并起来得到整体的最大子段和。这可能比较复杂,需要考虑块之间的前后缀如何组合。 插入和删除操作需要找到对应的位置所在的块,如果插入导致块过大,就分裂成两个块。删除时如果块变得过小,可能需要合并相邻块。这些操作需要维护块之间的链表结构,方便快速插入和删除块。 举个例子,当要在位置pos插入一段数列,首先找到pos所在的块,如果块的大小加上插入元素后超过阈值,就分裂该块为两个,然后将插入的元素作为新块插入到链表中。这样插入的时间复杂度是O(√n),因为分裂和插入块的时间与块的大小有关。 对于翻转和覆盖操作,应用懒标记是关键,这样可以延迟实际的操作,直到需要访问块的具体内容时才进行实际的处理。例如,当需要访问一个带有翻转标记的块时,先执行翻转操作,并清除标记。 不过分块在处理这些动态操作时,尤其是频繁的插入和删除,可能效率不如平衡树结构(如Splay或Treap),但分块实现起来可能相对简单一些。需要权衡实现复杂度和效率。 总结一下,分块实现的关键点包括: 1. 分块的结构设计,每个块维护必要的信息和懒标记。 2. 插入和删除时的块分裂与合并策略。 3. 懒标记的处理,如翻转和覆盖,何时下传。 4. 查询操作时如何合并各个块的信息,如最大子段和。 可能遇到的问题包括块的大小管理不当导致性能下降,懒标记处理错误导致数据不一致,以及在合并块信息时逻辑错误。需要详细设计每个操作的步骤,并处理各种边界情况,比如操作区间跨多个块,或者在块的开头或结尾的部分操作。 最后,参考用户提供的引用,尤其是引用[1]提到递归图的理解,可能分块的递归处理不太相关,但引用[2]提到题目,可能需要参考类似题解中的分块实现方法。不过用户提供的引用可能没有直接相关的内容,所以需要依靠已有的分块知识来构建解决方案。</think>### 分块方法实现 P2042 维护数列问题 #### 分块结构设计 1. **块内信息**: - 数据存储:每个块存储$size \leq 2\sqrt{n}$个元素 - 维护以下字段: ```text sum: 区间和 lmax: 最大前缀和 rmax: 最大后缀和 tmax: 最大子段和 rev: 翻转标记(0/1) cov: 覆盖标记(特殊值表示未覆盖) ``` 2. **分块逻辑**: - 块间通过链表或数组连接 - 插入/删除时动态调整块大小,触发分裂或合并(例如块大小超过$2\sqrt{n}$时分裂,相邻块总大小低于$\sqrt{n}$时合并) #### 核心操作实现 **1. 区间翻转(REVERSE)**: - 对完整覆盖的块:翻转标记`rev ^= 1`,交换`lmax`与`rmax` - 对部分覆盖的块:下传标记后暴力翻转元素 时间复杂度:$O(\sqrt{n})$ **2. 区间覆盖(MAKE-SAME)**: - 对完整覆盖的块:更新`cov`标记,直接计算`sum`,`lmax`,`rmax`,`tmax` - 对部分覆盖的块:下传标记后暴力修改 时间复杂度:$O(\sqrt{n})$ **3. 最大子段和(MAX-SUM)**: - 合并相邻块的`rmax`和`lmax`,遍历所有块维护全局最大值 时间复杂度:$O(\sqrt{n})$ **4. 插入(INSERT)**: - 定位插入位置所在块,若插入后块大小超过阈值则分裂 时间复杂度:$O(\sqrt{n} + k/\sqrt{n})$ **5. 删除(DELETE)**: - 移除目标区间涉及的所有块,合并相邻小块 时间复杂度:$O(\sqrt{n} + k/\sqrt{n})$ #### 代码框架示例(关键部分) ```python class Block: def __init__(self): self.data = [] self.sum = 0 self.lmax = self.rmax = self.tmax = -inf self.rev = 0 self.cov = None def push_down(self): # 下传覆盖/翻转标记到数据层 if self.cov is not None: self.data = [self.cov] * len(self.data) if self.rev: self.data.reverse() self.rev = 0 self.cov = None def update_info(self): # 重新计算sum/lmax/rmax/tmax pass class BlockList: def __init__(self): self.blocks = [] def split(self, idx): # 分裂过大的块 pass def merge(self): # 合并过小的相邻块 pass ``` #### 复杂度分析 | 操作类型 | 时间复杂度 | |----------------|---------------------| | 插入/删除 | $O(\sqrt{n} + k)$ | | 翻转/覆盖/求和 | $O(\sqrt{n})$ | | 最大子段和 | $O(\sqrt{n})$ | #### 注意事项 1. **标记下传策略**:在访问块内数据前必须下传所有标记 2. **块大小平衡**:通过动态分裂/合并保证$size \in [\sqrt{n}/2, 2\sqrt{n}]$ 3. **边界处理**:特别注意区间跨多个块时的部分覆盖情况
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