51nod1328 比赛往事

本文介绍了一个使用贪心算法解决特定匹配问题的方法。通过确保待匹配元素按顺序排列,该算法能够在遇到无法直接匹配的情况时,引入额外元素进行调整,以求达到所有元素都能成功匹配的目标。文章详细解释了算法步骤,并提供了实现代码。

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

题目
可参考题解
官方题解:
首先有一部分是必须换的,反正必须换不妨换个彻底,将place最大的与cutoff最大的匹配,place最小的与cutoff最小的匹配。
如果成立就结束。
不成立的话,再试图引入一个外部项,这步贪心即可。

“贪心”这步很关键,在题解的基础上我阐述贪心算法,并说明其正确性
1.首先要确定一个思路,必须换的P和C始终要维持从小到大的顺序,和田忌赛马有点相似,但区别是这个是判断能否全部成立,田忌赛马是最多赢的匹数
可以确定的是在判断能否全部成立上,乱序能成立,排序一定成立
2.从大到小找到第一个需要引入外部项的tmp,即P[tmp]>C[tmp]
i)假如我们能找到一个可行(能让tmp和新插入的都满足条件)的外部项,必要条件是P[tmp]<=c[i],p[i]<=C[tmp]
此时我们有p[i]<=C[tmp]<P[tmp]<=c[i],那么p[i]放进去会在P[tmp]前面,c[i]进去会在C[tmp]后面(根据基本方针,哪怕可匹配的对数变少了(注意是哪怕,看后面发现并不会),但在处理能否全部成立上,肯定是保持顺序更优)
列个表

idPC
kp[i]C[k]
k+1P[k]C[k+1]
tmpP[tmp-1]C[tmp]
tmp+1P[tmp]C[tmp+1]
t-1P[t-2]C[t-1]
tP[t-1]c[i]

显然的是tmp开始肯定全部成立,并且是否全部成立与c[i]无关,只要令p[i]尽可能小即可
ii)假如找不到一个可行的外部项,我们肯定至少得把当前这个tmp解决(卡着不动一定没有方法,强制解决tmp还有一线生机),那我们就找满足P[tmp]<=c[i]中最小的p[i]

#include<bits/stdc++.h>
using namespace std;
const int N=1002;
int P[N],C[N],c[N],p[N],cnt,cnt1,x,y,tag,i,n,tmp;
void ins(int *A,int k,int x){
	while (k && x<A[k-1]) A[k]=A[k-1],k--;
	A[k]=x;
}
int main(){
	scanf("%d",&n);
	for (i=0;i<n;i++){
		scanf("%d%d",&x,&y);
		if (x<=y) p[cnt]=x,c[cnt++]=y;
		else P[cnt1]=x,C[cnt1++]=y;
	}
	sort(P,P+cnt1);
	sort(C,C+cnt1);
	while (1){
		tmp=cnt1-1;
		while (tmp>=0 && P[tmp]<=C[tmp]) tmp--;
		if (tmp<0) break;
		tag=-1;
		for (i=0;i<cnt;i++)
			if (P[tmp]<=c[i] && p[i]<=C[tmp] && (tag==-1 || p[i]<p[tag])) tag=i;
		if (tag==-1)
			for (i=0;i<cnt;i++)
				if (P[tmp]<=c[i] && (tag==-1 || p[i]<p[tag])) tag=i;
		if (tag==-1){
			puts("-1");
			return 0;
		}
		ins(P,cnt1,p[tag]);
		ins(C,cnt1,c[tag]);
		cnt1++;cnt--;
		p[tag]=p[cnt];
		c[tag]=c[cnt];
	}
	printf("%d",cnt1);
}
题目 51nod 3478 涉及一个矩阵问题,要求通过最少的操作次数,使得矩阵中至少有 `RowCount` 行和 `ColumnCount` 列是回文的。解决这个问题的关键在于如何高效地枚举所有可能的行和列组合,并计算每种组合所需的操作次数。 ### 解法思路 1. **预处理每一行和每一列变为回文所需的最少操作次数**: - 对于每一行,计算将其变为回文所需的最少操作次数。这可以通过比较每对对称位置的值是否相同来完成。 - 对于每一列,计算将其变为回文所需的最少操作次数,方法同上。 2. **枚举所有可能的行和列组合**: - 由于 `N` 和 `M` 的最大值为 8,因此可以枚举所有可能的行组合和列组合。 - 对于每一种组合,计算其所需的最少操作次数,并取最小值。 3. **计算操作次数**: - 对于每一种组合,需要计算哪些行和列需要修改,并且注意行和列的交叉点可能会重复计算,因此需要去重。 ### 代码实现 以下是一个可能的实现方式,使用了枚举和位运算来处理组合问题: ```python def min_operations_to_palindrome(matrix, row_count, col_count): import itertools N = len(matrix) M = len(matrix[0]) # Precompute the cost to make each row a palindrome row_cost = [] for i in range(N): cost = 0 for j in range(M // 2): if matrix[i][j] != matrix[i][M - 1 - j]: cost += 1 row_cost.append(cost) # Precompute the cost to make each column a palindrome col_cost = [] for j in range(M): cost = 0 for i in range(N // 2): if matrix[i][j] != matrix[N - 1 - i][j]: cost += 1 col_cost.append(cost) min_total_cost = float('inf') # Enumerate all combinations of rows and columns rows = list(range(N)) cols = list(range(M)) from itertools import combinations for row_comb in combinations(rows, row_count): for col_comb in combinations(cols, col_count): # Calculate the cost for this combination cost = 0 # Add row costs for r in row_comb: cost += row_cost[r] # Add column costs for c in col_comb: cost += col_cost[c] # Subtract the overlapping cells for r in row_comb: for c in col_comb: # Check if this cell is part of the palindrome calculation if r < N // 2 and c < M // 2: if matrix[r][c] != matrix[r][M - 1 - c] and matrix[N - 1 - r][c] != matrix[N - 1 - r][M - 1 - c]: cost -= 1 min_total_cost = min(min_total_cost, cost) return min_total_cost # Example usage matrix = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] row_count = 2 col_count = 2 result = min_operations_to_palindrome(matrix, row_count, col_count) print(result) ``` ### 代码说明 - **预处理成本**:首先计算每一行和每一列变为回文所需的最少操作次数。 - **枚举组合**:使用 `itertools.combinations` 枚举所有可能的行和列组合。 - **计算成本**:对于每一种组合,计算其成本,并考虑行和列交叉点的重复计算问题。 ### 复杂度分析 - **时间复杂度**:由于 `N` 和 `M` 的最大值为 8,因此枚举所有组合的时间复杂度为 $ O(N^{RowCount} \times M^{ColCount}) $,这在实际中是可接受的。 - **空间复杂度**:主要是存储预处理的成本,空间复杂度为 $ O(N + M) $。 ### 相关问题 1. 如何优化矩阵中行和列的枚举组合以减少计算时间? 2. 在计算行和列的交叉点时,如何更高效地处理重复计算的问题? 3. 如果矩阵的大小增加到更大的范围,如何调整算法以保持效率? 4. 如何处理矩阵中行和列的回文条件不同时的情况? 5. 如何扩展算法以支持更多的操作类型,例如翻转某个区域的值?
评论 1
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