HDU-4819-Mosaic

本文介绍了如何使用二维线段树解决二维区间内的最大值和最小值查询,并实现了单点更新功能。通过构建二维线段树结构,实现了高效的区间操作。案例展示了算法的应用及实现过程。

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

这个题需要求二维区间的最大值最小值,并完成单点更新,这就应该说二维线段树进行解决,对二维线段树的处理方面还不够熟练吧,写的有点复杂~

代码:

#include<cstdio>
#include<cstring>
#include<iostream>
using namespace std;
const int maxn=810;
struct SNode
{
    int l;
    int r;
    int smax;
    int smin;
    int getmid()
    {
        return (l+r)>>1;
    }
};
struct Node
{
    int l;
    int r;
    SNode t[maxn*4];
    int getmid()
    {
        return (l+r)>>1;
    }
}t[maxn*4];
int n,m,a[maxn][maxn];
void BuildY(int l,int r,int index,int p,int flag)
{
    t[p].t[index].l=l;
    t[p].t[index].r=r;
    if(l==r)
    {
        if(flag)
        {
            t[p].t[index].smax=max(t[p<<1].t[index].smax,t[p<<1|1].t[index].smax);
            t[p].t[index].smin=min(t[p<<1].t[index].smin,t[p<<1|1].t[index].smin);
        }
        else
            t[p].t[index].smin=t[p].t[index].smax=a[t[p].l][l];
        return;
    }
    int mid=(l+r)>>1;
    BuildY(l,mid,index<<1,p,flag);
    BuildY(mid+1,r,index<<1|1,p,flag);
    t[p].t[index].smax=max(t[p].t[index<<1].smax,t[p].t[index<<1|1].smax);
    t[p].t[index].smin=min(t[p].t[index<<1].smin,t[p].t[index<<1|1].smin);
}
void BuildX(int l,int r,int index)
{
    t[index].l=l;
    t[index].r=r;
    if(l==r)
    {
        BuildY(1,n,1,index,0); 
        return;
    }
    int mid=t[index].getmid();
    BuildX(l,mid,index<<1);
    BuildX(mid+1,r,index<<1|1);
    BuildY(1,n,1,index,1);
}
int QueryMaxY(int l,int r,int index,int p)
{
    if(t[p].t[index].l==l&&t[p].t[index].r==r)
        return t[p].t[index].smax;
    int mid=t[p].t[index].getmid();
    if(r<=mid)
        return QueryMaxY(l,r,index<<1,p);
    else if(l>mid)
        return QueryMaxY(l,r,index<<1|1,p);
    else
        return max(QueryMaxY(l,mid,index<<1,p),QueryMaxY(mid+1,r,index<<1|1,p));
}
int QueryMaxX(int l,int r,int x,int y,int index)
{
    if(t[index].l==l&&t[index].r==r)
        return QueryMaxY(x,y,1,index);
    int mid=(t[index].l+t[index].r)>>1;
    if(r<=mid)
        return QueryMaxX(l,r,x,y,index<<1);
    else if(l>mid)
        return QueryMaxX(l,r,x,y,index<<1|1);
    else
        return max(QueryMaxX(l,mid,x,y,index<<1),QueryMaxX(mid+1,r,x,y,index<<1|1));
}
int QueryMinY(int l,int r,int index,int p)
{
    if(t[index].l==l&&t[index].r==r)
        return t[p].t[index].smin;
    int mid=(t[p].t[index].l+t[p].t[index].r)>>1;
    if(r<=mid)
        return QueryMinY(l,r,index<<1,p);
    else if(l>mid)
        return QueryMinY(l,r,index<<1|1,p);
    else
        return min(QueryMinY(l,mid,index<<1,p),QueryMinY(mid+1,r,index<<1|1,p));
}
int QueryMinX(int l,int r,int x,int y,int index)
{
    if(t[index].l==l&&t[index].r==r)
        return QueryMinY(x,y,1,index);
    int mid=(t[index].l+t[index].r)>>1;
    if(r<=mid)
        return QueryMinX(l,r,x,y,index<<1);
    else if(l>mid)
        return QueryMinX(l,r,x,y,index<<1|1);
    else
        return min(QueryMinX(l,mid,x,y,index<<1),QueryMinX(mid+1,r,x,y,index<<1|1));
}
void ModifyY(int y,int index,int val,int p,int flag)
{
    if(t[p].t[index].l==t[p].t[index].r)
    {
        if(!flag)
            t[p].t[index].smin=t[p].t[index].smax=val;
        else
        {
            t[p].t[index].smin=min(t[p<<1].t[index].smin,t[p<<1|1].t[index].smin);
            t[p].t[index].smax=max(t[p<<1].t[index].smax,t[p<<1|1].t[index].smax);
        }
        return;
    }    
    int mid=(t[p].t[index].l+t[p].t[index].r)>>1;
    if(y<=mid)
        ModifyY(y,index<<1,val,p,flag);
    else
        ModifyY(y,index<<1|1,val,p,flag);
    t[p].t[index].smax=max(t[p].t[index<<1].smax,t[p].t[index<<1|1].smax);
    t[p].t[index].smin=min(t[p].t[index<<1].smin,t[p].t[index<<1|1].smin);
}
void ModifyX(int x,int y,int index,int val)
{
    if(t[index].l==t[index].r)
    {
        ModifyY(y,1,val,index,0);
        return;
    }
    int mid=(t[index].l+t[index].r)>>1;
    if(x<=mid)
        ModifyX(x,y,index<<1,val);
    else
        ModifyX(x,y,index<<1|1,val);
    ModifyY(y,1,val,index,1);
}
int main()
{
    int T,cas=1;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d",&n);
        for(int i=1;i<=n;i++)
            for(int j=1;j<=n;j++)
                scanf("%d",&a[i][j]);
        BuildX(1,n,1);
        scanf("%d",&m);
        printf("Case #%d:\n",cas++);
        while(m--)
        {
            int x,y,l;
            scanf("%d%d%d",&x,&y,&l);
            int sx=max(1,x-l/2);
            int sy=max(1,y-l/2);
            int mx=min(n,x+l/2);
            int my=min(n,y+l/2);
            int smax=QueryMaxX(sx,mx,sy,my,1);
            int smin=QueryMinX(sx,mx,sy,my,1);
            printf("%d\n",(smax+smin)>>1);
            ModifyX(x,y,1,(smax+smin)>>1);
        }
    }
    return 0;
}


HDU-3480 是一个典型的动态规划问题,其题目标题通常为 *Division*,主要涉及二维费用背包问题或优化后的动态规划策略。题目大意是:给定一个整数数组,将其划分为若干个连续的子集,每个子集最多包含 $ m $ 个元素,并且每个子集的最大值与最小值之差不能超过给定的阈值 $ t $,目标是使所有子集的划分代价总和最小。每个子集的代价是该子集最大值与最小值的差值。 ### 动态规划思路 设 $ dp[i] $ 表示前 $ i $ 个元素的最小代价。状态转移方程如下: $$ dp[i] = \min_{j=0}^{i-1} \left( dp[j] + cost(j+1, i) \right) $$ 其中 $ cost(j+1, i) $ 表示从第 $ j+1 $ 到第 $ i $ 个元素构成一个子集的代价,即 $ \max(a[j+1..i]) - \min(a[j+1..i]) $。 为了高效计算 $ cost(j+1, i) $,可以使用滑动窗口或单调队列等数据结构来维护区间最大值与最小值,从而将时间复杂度优化到可接受的范围。 ### 示例代码 以下是一个简化版本的动态规划实现,使用暴力方式计算区间代价,适用于理解问题结构: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 0x3f3f3f3f; const int MAXN = 10010; int a[MAXN]; int dp[MAXN]; int main() { int T, n, m; cin >> T; for (int Case = 1; Case <= T; ++Case) { cin >> n >> m; for (int i = 1; i <= n; ++i) cin >> a[i]; dp[0] = 0; for (int i = 1; i <= n; ++i) { dp[i] = INF; int mn = a[i], mx = a[i]; for (int j = i; j >= max(1, i - m + 1); --j) { mn = min(mn, a[j]); mx = max(mx, a[j]); if (mx - mn <= T) { dp[i] = min(dp[i], dp[j - 1] + mx - mn); } } } cout << "Case " << Case << ": " << dp[n] << endl; } return 0; } ``` ### 优化策略 - **单调队列**:可以使用两个单调队列分别维护当前窗口的最大值与最小值,从而将区间代价计算的时间复杂度从 $ O(n^2) $ 降低到 $ O(n) $。 - **斜率优化**:若问题满足特定的决策单调性,可以考虑使用斜率优化技巧进一步加速状态转移过程。 ### 时间复杂度分析 原始暴力解法的时间复杂度为 $ O(n^2) $,在 $ n \leq 10^4 $ 的情况下可能勉强通过。通过单调队列优化后,可以稳定运行于 $ O(n) $ 或 $ O(n \log n) $。 ### 应用场景 HDU-3480 的问题模型可以应用于资源调度、任务划分等场景,尤其适用于需要控制子集内部差异的问题,如图像分块压缩、数据分段处理等[^1]。 ---
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