P11118 [ROI 2024] 无人机比赛 (Day 2) 题解

news/2025/10/13 16:11:43/文章来源:https://www.cnblogs.com/Luckies/p/19138702/P11118

我们可以将比赛过程分为 \(n\times m\) 轮,每轮有一架无人机从上一个门飞至下一个门,其余的传送。

考虑每轮是哪个没有传送。发现是飞向下一个门时间最少且编号最小的。设 \(w_{i,j}\) 表示 \(i\)\(j-1\) 号门飞向 \(j\) 号门所需的时间,发现实际上这个顺序是对这 \(n\) 个数组的归并。具体来说就是每次取这 \(n\) 个数组中开头最小的那一个,然后删去它,直到删空。

注意到若一个数 \(w_{i,l}\) 被删去,且存在一个 \(r\) 满足 \((\max_{j=l}^{r}{w_{i,j}})\le w_{i,l}\),那么 \(w_{i,l\sim r}\) 会被连续删去。证明很显然。那么可以将这些会被连续删去的合并成一个段。

容易发现每个段的段首元素单调递增,即 \(w_{i,l_1}<w_{i,l_2}<\dots<w_{i,l_{m'}}\),其中 \(m'\) 为段数。

\(d_i\) 表示门 \(i-1\)\(i\) 的距离,发现 \(w_{i,j}=t_i\times d_j\),而对于相同的 \(i\)\(t_j\) 相同,所以实际上我们在对 \(d\) 分段,所以可得 \(d_{l_1}<d_{l_2}<\dots<d_{l_{m'}}\),又由于 \(\sum d_{l_i} \le S\),其中 \(S\) 为总距离,所以 \(m' \le \mathcal O(\sqrt{S})\)

考虑怎么算答案。每次一个无人机飞至下一个门时,对答案的贡献为剩下的没到达终点的无人机个数,则答案为 \(\sum\limits_{i=1}^{n}\sum\limits_{j\not=i}\sum\limits_{k=1}^{m}{[w_{j,k}\le w_{i,m}]}\),又由于一大段会连续飞过去,所以同一段中的贡献相同,只需要算每段的段首,再乘上段的长度即可。所以答案为 \(\sum\limits_{i=1}^{n}\sum\limits_{j\not=i}\sum\limits_{k=1}^{m'}{[w_{j,k}\le w_{i,l_{m'}}]len_k}\)\(j\not=i\) 的不好算,将所有的算出来减去 \(j=i\) 的即可。

考虑优化这个计算过程。现在计算一次答案的复杂度为 \(\mathcal O(n^2\sqrt{S})\),考虑优化一个 \(n\)。我们固定 \(k\),当 \(t\) 有序时,发现 \(i,j\) 有单调性,那么固定 \(i,k\),可以找到 \(j\) 的限制 \(t_j \le R_{i,k}\)\(R_{i,k}\) 可以双指针求出,可以做前缀和维护 \(j\) 的个数。

假设我们已经算出 \(i\le x-1\) 的答案,考虑计算 \(x\) 对答案的增量。分两种情况:

  • \(i=x,j<x\) 时:

    增量为 \(\sum\limits_{j<x}\sum\limits_{k=1}^{m'}{[t_j\le R_{x,k}]len_k}\),枚举 \(k\)\(\mathcal O(n)\) 次在 \(t_x\) 的位置单点加 \(1\)\(\mathcal O(n\sqrt{S})\) 次查询 \(\le R_{x,k}\) 的前缀和,可以分块根号平衡。

  • \(i\le x,j=x\) 时:

    增量为 \(\sum\limits_{i\le x}\sum\limits_{k=1}^{m'}{[t_x\le R_{i,k}]len_k}\),枚举 \(k\)\(\mathcal O(n\sqrt{S})\) 次在 \(R_{i,k}\) 的位置单点加 \(len_k\)\(\mathcal O(n)\) 次查询 \(\ge t_x\) 的后缀和,也可以分块根号平衡。

#include<bits/stdc++.h>
#define int long long
using namespace std;
typedef pair<int, int> PII;
#define x first
#define y second
const int N = 1.5e5 + 5;
int n, m, cnt, t[N], Id[N], T[N], s[N], d[N], B = 400, id[N];
signed R[N][555];
struct node {int l, r, d;
}a[N];
#define len(i) (a[i].r - a[i].l + 1)
struct block {int l, r;
}b[N];
int s1[N], s2[N], S1[N], S2[N];
inline void modify1(int x, int v) {for(int i = x; i <= b[id[x]].r; i++) s1[i] += v;for(int i = id[x]; i <= id[n]; i++) S1[i] += v;
}
inline int query1(int x) {return s1[x] + S1[id[x] - 1];
}
inline void modify2(int x, int v) {s2[x] += v, S2[id[x]] += v;
}
inline int query2(int x) {int res = 0;for(int i = x; i <= b[id[x]].r; i++) res += s2[i];for(int i = id[x] + 1; i <= id[n]; i++) res += S2[i];return res;
}
signed main() {cin.tie(0) -> sync_with_stdio(0);cin >> n >> m;for(int i = 1; i <= n; i++) cin >> t[i], Id[i] = i;stable_sort(Id + 1, Id + 1 + n, [&](int a, int b) {return t[a] < t[b];});for(int i = 1; i <= n; i++)T[Id[i]] = i;for(int i = 1; i <= m; i++) cin >> s[i], d[i] = s[i] - s[i - 1];a[cnt = 1].l = 1, a[1].d = d[1];for(int i = 2; i <= m; i++) {if(d[i] > d[a[cnt].l]) a[cnt].r = i - 1, a[++cnt].l = i, a[cnt].d = d[i];}a[cnt].r = m;for(int k = 1; k <= cnt; k++) {for(int i = 1, j = 0; i <= n; i++) {while(j < n && (PII){t[Id[j + 1]] * a[k].d, Id[j + 1]} <= (PII){t[Id[i]] * a[cnt].d, Id[i]}) j++;R[Id[i]][k] = j;}}for(int i = 1; i <= n; i++) {id[i] = (i - 1) / B + 1;if(id[i] != id[i - 1]) b[id[i]].l = i, b[id[i - 1]].r = i - 1;}b[id[n]].r = n;int ans = 0;for(int i = 1; i <= n; i++) {for(int k = 1; k <= cnt; k++) {modify2(R[i][k], len(k));ans += query1(R[i][k]) * len(k);}modify1(T[i], 1), ans += query2(T[i]);ans -= m;cout << ans << '\n';}return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/936229.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于遗传算法和粒子群优化在梁结构拓扑优化中的技术方案

一、算法原理对比与适用性分析特性 遗传算法(GA) 粒子群优化(PSO)核心思想 模拟生物进化过程,通过选择、交叉、变异操作实现全局搜索 模拟鸟群觅食行为,通过个体与群体经验更新速度和位置实现快速收敛优势 • 全…

网络拓扑的认识与体会

1、星型拓扑 我们的家庭网络就是星型拓扑:光猫接路由器,路由器接小交换机,小交换机再接入联网设备。特点:家庭中联网的设备均与路由器通信 优点:单台设备网络故障不影响其他设备联网 缺点:路由器故障会影响全局(…

P6333 [COCI2007-2008#1] ZAPIS 题解

首先观察数据范围,一眼 \(\mathcal O(n^3)\),然后再观察题目,你感觉它是个区间 dp,那么恭喜你,你的感觉是对的。 然后你直接一个区间 dp 板子拍上去,设 \(dp_{i, j}\) 表示区间 \([i, j]\) 的方案数,那么转移很…

直播预告|PostgreSQL 18 六大新特性深度解析

PostgreSQL 18 已于 9 月 25 日正式发布。该版本包含大量改进,其中有多项新特性。在 PostgreSQL 18 发布后,IvorySQL 社区推出了一篇六大新特性解读的文章聚焦六大功能:PostgreSQL 18 新特性深度解析,引发了多人关…

新型电力系统下 MyEMS 微电网协同调度:实践路径与园区落地案例

面对 “双碳” 目标下工业园区的能源痛点 —— 可再生能源弃电多、电费成本高、停电影响生产,MyEMS(微能源管理系统)成为微电网协同调度的核心工具。本文从园区实际需求出发,先拆解新型电力系统对微电网的具体要求…

抖音超人福袋助手,抖音福袋扭蛋机,抖音抢福袋工具,

DY福袋工具 抖音福袋超人福袋助手 v2.3 [2025-09-29] 抖音超人福袋助手,抖音抢福袋工具,抖音无水印视频下载器,抖音直播间录制下载器,抖音批量取消关注取关器。 最新公告: 下载地址:https://wwnm.lanzouo.com/ib…

操作指南:国标GB28181/RTSP推流EasyGBS算法算力平台如何查看设备端录像回看?

操作指南:国标GB28181/RTSP推流EasyGBS算法算力平台如何查看设备端录像回看?以海康摄像机为例,完成设备端录像配置并在EasyGBS算法算力平台查看录像回看的详细流程,步骤清晰可落地。 一、设备端(海康摄像机)录像…

【华中科大主办|往届EI均检索】第四届声学,流体力学与工程国际学术会议(AFME 2025)

由华中科技大学主办,中国海洋大学、苏州大学协办,华中科技大学航空航天学院和船舶与海洋工程学院承办的第四届声学、流体力学与工程国际学术会议(AFME 2025)将于2025年10月24日至26日在中国武汉举行。本次会议旨在…

Codeforces Round 1058 (Div. 2) (4/8)

又是一场speedforces ,可恶的棒子。但是好在b题卡了一会后,c,d 都切的很快。把前两场的分上回来了。 A: 分组不影响 mex 的值,所以直接求解 mex 输出即可 B: f(i) 本质是每个后缀,不同数字的个数。可以观察到每增…

10.13

又是满课的一天,下午又是一连4节,讲的类与对象

P8037 [COCI2015-2016#7] Prokletnik 题解

如果你做过 GSS2,那么你会发现它们很像,都是询问最优子段的问题。 这里有一个 trick,对于这一类询问最优子段的问题,首先考虑将询问离线,然后扫描线。若当前扫描到 \(i\),设 \(f_j\) 表示以 \(j\) 为左端点,\(i…

论文解读-《Learning Discrete Structures for Graph Neural Networks》 - zhang

1. 论文介绍 论文题目:Learning Discrete Structures for Graph Neural Networks 论文领域:图神经网络,图结构学习 论文地址: https://arxiv.org/abs/1903.11960 论文发表:ICML 2019 论文代码:https://github.com…

【A】The Lost Ship in the Sky

Exercise 容易发现,操作次数就是 \(\operatorname{LCM}(l_i)\),其中 \(l_i\) 为所有的置换环大小。那么,对于可能的答案 \(X=\prod p_i^{a_i}\),我们构造 \(l_i=p_i^{a_i}\),对于剩下的我们补足 1,则 \(\sum p_i…

2025 AI 品牌最新推荐排行榜:聚焦商业落地能力,甄选懂需求的实力服务机构东北 Ai/大连 Ai/大连 Ai 培训/大连 Ai 开发/大连 Ai 推广公司推荐

引言当前大连正加速打造人工智能产业创新高地,已形成高新区技术策源、金普新区场景应用的产业格局,36 个科技创新平台与 500PFlops 算力基础为企业智能化转型提供支撑。但企业在引入 AI 时普遍面临技术与商业脱节的困…

基于经验模态分解的去趋势波动分析(EMD-DFA)方法

1. 关键步骤详解 1.1 经验模态分解(EMD)分解原理:将非平稳信号自适应分解为多个本征模态函数(IMF),每个IMF满足: 局部极值点与过零点数量差≤1 局部包络均值趋近于零MATLAB实现: [imf, residual] = emd(signal…

双碳目标下企业零碳转型的 MyEMS 碳流可视化支撑体系:路径探索与效能评估

在 “双碳” 目标向实体经济渗透的过程中,企业零碳转型正从 “口号式响应” 迈向 “精细化落地”。然而,多数企业面临 “碳流看不见、瓶颈找不到、效果难衡量” 的困境:制造企业的碳排放分散在生产、供应链、废弃物…

Langchain+Neo4j+Agent 的结合案例-电商销售 - 详解

Langchain+Neo4j+Agent 的结合案例-电商销售 - 详解pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas"…

ERP原理笔记

ERP原理笔记第1章 初识ERP 1.1 企业管理的困惑全球竞争激烈,没有受保护的领地 竞争策略演变:敌无我有 敌有我优 敌优我廉 敌廉我走 敌廉我快1.2 速度成为新的竞争条件1995年:美国公司提出"955"要求(95%订…

2025 智慧康养实训室/专业建设/虚拟仿真/仿真实训室推荐榜:北京教之道 5 星领衔,适配多元康养场景

随着康养需求向智能化、个性化升级,智慧康养凭借 “数据监测 + 服务联动” 优势成为主流方向。结合技术适配性、场景覆盖度与用户反馈,2025 年优质品牌榜单发布,北京教之道科技发展有限公司以全场景服务能力稳居 5 …

Wireshark】抓包实战,图文详解TCP三次握手及四次挥手原理

ip.src == 1.1.1.1ip.dst == 2.2.2.2ip.addr == 3.3.3.3tcp.port == 80tcp.port <= 80tcp.srcport == 80tcp.dstport == 80tcp.flags.syn == 1 //SYN置位报文 【Wireshark】抓包实战,图文详解TCP三次握手及四次挥…