[USACO07JAN]Cow School
一开始还以为是一道分数规划,后来发现自己看错题了,
然后成功入坑
题目是要求先按照$t_i/p_i$从小到大排序,然后删除前$d$个后求出剩下的$\frac{\sum^{n-d+1}_{i=1}t_i}{\sum^{n-d+1}_{i=1}p_i}$,如果当前的删除方法不是最优的(即能删除其它$d$个数使原式的值变大的话),则输出这个$d$
首先排序自不必说,排完序之后基础的式子的值也就求出来了
那么问题就在于如何判断当前的删除方法是不是最优的
为了方便我们将数据从大到小排序
我们假设当前取了前$k$个最大的
并设$T=t_1+t_2+\cdots+t_k,P=p_1+p_2+\cdots+p_k$
那么题目就是求是否存在$i,j$,满足$\frac{T-t_i+t_j}{P-p_i+p_j}>\frac{T}{P}$(其中$i\in \lbrace1,2,\cdots,k \rbrace,j\notin \lbrace1,2,\cdots,k \rbrace$)
将式子变形得$P*t_i-T*p_i<P*t_j-T*t_i$
所以我们只要找出$P*t_i-T*p_i$的$min$,以及$P*t_j-T*p_j$的$max$
这时我们再来算一算时间复杂度
我们在枚举前$k$个最大的数时需要$O(n)$的时间,
因此我们在处理最大值与最小值时只能用$O(logn)$的时间复杂度
但由于我们的$与T_i与P_i$是已经排好序的,所以我们可以用二分来处理这个最大值与最小值
感觉洛谷上这题给黑题是不是太高看了(逃
#include<iostream>
#include<string>
#include<string.h>
#include<stdio.h>
#include<algorithm>
#include<vector>
#include<queue>
#include<map>
using namespace std;
const long long inf=(long long)1e18;
struct node{
long long t,p;
}a[],b[];
int n,ans[];
long long mind[],maxd[]; bool cmp(node x,node y)
{
return x.t*y.p>x.p*y.t;
} void getmin(int l,int r,int pl,int pr)
{
int i,mid=(l+r)>>,pos;
for (i=pl;i<=mid&&i<=pr;i++)
{
long long tmp=a[i].t*b[mid].p-a[i].p*b[mid].t;
if (tmp<mind[mid]) {mind[mid]=tmp;pos=i;}
}
if (l<mid) getmin(l,mid-,pl,pos);
if (r>mid) getmin(mid+,r,pos,pr);
} void getmax(int l,int r,int pl,int pr)
{
int i,pos,mid=(l+r)>>;
for (i=pr;i>mid&&i>=pl;i--)
{
long long tmp=a[i].t*b[mid].p-a[i].p*b[mid].t;
if (tmp>maxd[mid]) {maxd[mid]=tmp;pos=i;}
}
if (l<mid) getmax(l,mid-,pl,pos);
if (r>mid) getmax(mid+,r,pos,pr);
} int main()
{
scanf("%d",&n);
int i;
for (i=;i<=n;i++) scanf("%lld%lld",&a[i].t,&a[i].p);
sort(a+,a++n,cmp);
b[].t=;b[].p=;
for (i=;i<=n;i++)
{
b[i].t=b[i-].t+a[i].t;
b[i].p=b[i-].p+a[i].p;
}
for (i=;i<=n;i++) {mind[i]=inf;maxd[i]=-inf;}
getmin(,n-,,n);getmax(,n-,,n);
int pos=;
for (i=;i<n;i++) if (mind[i]<maxd[i]) ans[++pos]=n-i;
printf("%d\n",pos);
for (i=pos;i>=;i--) printf("%d\n",ans[i]);
return ;
}
[USACO07JAN]Cow School的更多相关文章
- P2877 [USACO07JAN]牛校Cow School(01分数规划+决策单调性分治)
P2877 [USACO07JAN]牛校Cow School 01分数规划是啥(转) 决策单调性分治,可以解决(不限于)一些你知道要用斜率优化却不会写的问题 怎么证明?可以暴力打表 我们用$ask(l ...
- bzoj1635 / P2879 [USACO07JAN]区间统计Tallest Cow
P2879 [USACO07JAN]区间统计Tallest Cow 差分 对于每个限制$(l,r)$,我们建立一个差分数组$a[i]$ 使$a[l+1]--,a[r]++$,表示$(l,r)$区间内的 ...
- 洛谷P2879 [USACO07JAN]区间统计Tallest Cow
To 洛谷.2879 区间统计 题目描述 FJ's N (1 ≤ N ≤ 10,000) cows conveniently indexed 1..N are standing in a line. ...
- [Luogu2879][USACO07JAN]区间统计Tallest Cow
题目描述 FJ's N (1 ≤ N ≤ 10,000) cows conveniently indexed 1..N are standing in a line. Each cow has a p ...
- P2877 [USACO07JAN]牛校Cow School
传送门 $01$规划 $01$规划优质讲解:传送门 考虑先将每一科按 $t/p$ 从小到大排序,枚举每一个 $D$(删除的考试数量) 显然一开始的成绩是 $\frac{\sum_{i=d+1}^nt[ ...
- 洛谷 P2879 [USACO07JAN]区间统计Tallest Cow
传送门 题目大意: n头牛,其中最高身高为h,给出r对关系(x,y) 表示x能看到y,当且仅当y>=x并且x和y中间的牛都比 他们矮的时候,求每头牛的最高身高. 题解:贪心+差分 将每头牛一开始 ...
- 题解 P2879 【[USACO07JAN]区间统计Tallest Cow】
题目链接: https://www.luogu.org/problemnew/show/P2879 思路: 先不管最大高度,我们读入一对x,y.说明,x+1~y-1之间牛的身高都小于x,y. 然后不妨 ...
- [USACO07JAN]区间统计Tallest Cow
前缀和 sum[i]表示前i个数的和 每次读入a[i]的时候 sum[i] = sum[i - 1] + a[i]; 查询l ~ r区间的和: sum[r] - sum[l - 1] 差分 即前缀和的 ...
- 【洛谷】P2880 [USACO07JAN]平衡的阵容Balanced Lineup(st表)
题目背景 题目描述: 每天,农夫 John 的N(1 <= N <= 50,000)头牛总是按同一序列排队. 有一天, John 决定让一些牛们玩一场飞盘比赛. 他准备找一群在对列中为置连 ...
随机推荐
- [Loadrunner参数化]一个文件输两列参数的取值
关于LoadRunner参数化的内容,在脚本开发中属于非常重要的一个知识点.关于这部分知识,在书上和网上到处都能找到,本篇只讲一种特殊情况:一个参数化文件为File类型,有多列值,如何进行参数化取值. ...
- 基于linux下的krpano的使用
鉴于目前网络上关于krpano的使用和介绍少之又少,结合自己的学习和使用经历,做个总结和记录. 1.安装 下载地址: linux https://krpano.com/forum/wbb/index. ...
- 机器学习第一篇——最近邻kNN
机器学习监督学习中,根据解决问题的连续性和离散型,分为分类问题和回归问题.最邻近算法kNN是一种最为直接和简便的分类方法. kNN本质上,是计算目标到模型的欧式距离,从而判定目标所属的类别. 首先,在 ...
- django 路由系统,数据库操作
一.修改配置 数据库 DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME':'dbname', 'USER': ...
- org.apache.ibatis.binding.BindingException: Invalid bound statement (not found): com.bw.mapper.BillMapper.getBillList at org.apache.ibatis.binding.MapperMethod$SqlCommand.<init>(MapperMethod.java:225
这个错误是没有找到映射文件 org.apache.ibatis.binding.BindingException: Invalid bound statement (not found): com.b ...
- js原生实现div渐入渐出
jq对渐入渐出进行封装,简单的使用连个方法就可以实现.fadeIn(),fadeOut();如果我们界面没有使用jq那么原生怎么实现呢? 我们讲解一下,这个原理.当我们要实现渐入的时候,首先是让隐藏的 ...
- IdentityServer4【Topic】之登陆注册
Sign-in 登陆注册 为了让标识服务器(identity server)代表用户发出令牌,该用户必须登录到标识服务器. Cookie authentication Cookie认证 身份验证是由来 ...
- Vue 中提示报错 handlers[i].call is not a function解决方法
Vue 中提示警告 TypeError: handlers[i].call is not a function at callHook (vue.esm.js?a026:2921) at Object ...
- Hbase表结构模型
- python中的__init__和__new__的区别
一.__init__ 方法是什么?(init前后的线是双下划线) 使用Python写过面向对象的代码的同学,可能对 __init__ 方法已经非常熟悉了,__init__ 方法通常用在初始化一个类实例 ...