[CF 249D]Donkey and Start解题报告

本文介绍了一种利用最长上升子序列(LIS)算法解决特定几何问题的方法。通过坐标变换,将原问题转化为求解二维平面上点的最长严格递增子序列问题。文章详细解释了如何使用树状数组来高效实现这一算法。

题意

第一象限上有n<=10^5个点。以分数的形式给定两个斜率k1和k2(这样可以表示tan90°的情况)。保证对应倾斜角在[0°,90°]内。从原点开始,从我们所在的点作两条斜率分别为k1和k2的射线,并在射线所夹区域内部(不含射线上)选一个点,并继续这样做下去,直到无点可选。问途中最多经过多少个点。

像这样:



它的坐标是x轴往左,y轴往上……我估计这么做的原因是为了迷惑你……

分析

这道题的关键是很明显的:假设过原点,斜率为k1和k2的单位向量分别为v1和v2,那我们就以(v1,v2)为基底建立一组新的坐标系。而在新的坐标系中,规则就变成了:下一步只能选择x和y坐标均严格大于当前点的点。

换言之,将所有点按x坐标为第一关键字,y坐标为第二关键字排序后,我们要求的也就是从原点出发的最长上升序列。当然需要注意,该序列中的x坐标也必须单调上升。

所以按照求LIS的经典方法,用一个树状数组维护即可。

代码

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
typedef long long LL;
const int SIZEN=100010;
class BIT{
public:
	int n;
	int s[SIZEN];
	#define lowbit(x) ((x)&(-x))
	void clear(int _n){
		n=_n;
		memset(s,0,sizeof(s));
	}
	void modify(int x,int t){
		for(;x<=n;x+=lowbit(x)) s[x]=max(s[x],t);
	}
	int pref_max(int x){
		int ans=0;
		for(;x;x-=lowbit(x)) ans=max(ans,s[x]);
		return ans;
	}
};
class Point{
public:
	LL x,y;
	int id;
};
void print(const Point &p){
	cout<<"("<<p.x<<","<<p.y<<" "<<p.id<<")";
}
bool operator < (const Point &a,const Point &b){
	if(a.x==b.x) return a.y<b.y;
	return a.x<b.x;
}
LL operator * (const Point &a,const Point &b){
	return a.x*b.x+a.y*b.y;
}
int N;
Point P[SIZEN];
Point alpha1,alpha2;
LL Y[SIZEN]={0};int tot=0;
void coor_trans(void){//坐标变换
	for(int i=0;i<=N;i++){
		LL a=P[i].x*alpha2.y-alpha2.x*P[i].y;
		LL b=alpha1.x*P[i].y-P[i].x*alpha1.y;
		a*=-1,b*=-1;//强行改规则,只选x,y坐标都小于它的
		P[i].x=a,P[i].y=b;
		Y[tot++]=b;
	}
	sort(Y,Y+tot);
	tot=unique(Y,Y+tot)-Y;
	for(int i=0;i<=N;i++) P[i].y=lower_bound(Y,Y+tot,P[i].y)-Y+1;
}
int dp[SIZEN]={0};
BIT T;
void work(void){
	sort(P,P+1+N);
	T.clear(N+1);
	for(int i=0,j=0;i<=N;i++){
		while(P[j].x<P[i].x){
			T.modify(P[j].y,dp[P[j].id]);
			j++;
		}
		dp[P[i].id]=T.pref_max(P[i].y-1)+1;
	}
	printf("%d\n",dp[0]-1);
}
void read(void){
	P[0].x=P[0].y=0;P[0].id=0;
	scanf("%d",&N);
	scanf("%I64d/%I64d",&alpha1.y,&alpha1.x);
	scanf("%I64d/%I64d",&alpha2.y,&alpha2.x);
	for(int i=1;i<=N;i++){
		scanf("%I64d%I64d",&P[i].x,&P[i].y);
		P[i].id=i;
	}
}
int main(){
	//freopen("t1.in","r",stdin);
	read();
	coor_trans();
	work();
	return 0;
}



提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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