【ybt金牌导航1-2-3】折线统计
折线统计
题目链接:ybt金牌导航1-2-3
题目大意
在一个图上有一些点,保证任意两个点的横纵坐标都不相同。
要你选一些集合,按 x 坐标排序依次连接,会构成一些连续上升下降的折线,问你折线数量是 k 条的有多少个集合满足。
数量对 100007 取模。
思路
这道题我们考虑先看普通的 dp 怎么弄。
因为是按 \(x\) 坐标依次连边,那我们先把点按 \(x\) 坐标从小到大排序。那如果你在这里选一个集合,那在这里相连的就要连边。
那我们设 \(f_{i,j,k}\) 为前 \(i\) 个点在一定选 \(i\) 号点中选到形成了 \(j\) 段,然后最后一段的状态时 \(k\)。(\(k\) 只有上升 \(0\) 和下降 \(1\) 两个值)
很容易想到转移方程是先分上升下降,然后要么跟原来最后一段状态一样,要么不一样。
我们先以变成上升,就是转移后 \(k=0\) 的情况。
那如果不变,那就是段数不变,第一维要枚举 \(1\) 到 \(i-1\),\(k\) 还是 \(0\)。
那如果改变,那就是段数增加了,原来的就要 \(-1\),第一维还是枚举 \(1\sim i-1\),那原来的 \(k\) 就变成了 \(1\)。
那变成下降,也是同一个道理。
但是第一维就不是枚举 \(1\sim i-1\),而是 \(i+1\sim 100000\),因为你是从高变低。
至于初始化,就是 \(f_{i,0,0}=f_{i,0,1}=1\)。
但是你这样枚举会超时。
那我们考虑用一些数据结构优化它。
这个要求区间和,还有单点更新值,很容易就想到用树状数组。
那枚举 \(1\sim i-1\) 就是直接查询 \(i-1\) 的位置,\(i+1\sim 100000\),就用查询 \(100000\) 得出的值减去查询 \(i\) 的得出的值。(就是前缀和的思想)
然后基本上就可以了,记得取模。
代码
#include<cstdio>
#include<algorithm>
#define mo 100007
#define ll long long
using namespace std;
struct node {
int x, y;
}zb[100001];
int n, k;
ll f[50001][11][2], tree[100001][11][2], re, ans;
bool cmp(node X, node Y) {
return X.x < Y.x;
}
void add(int now, int j, int k, ll add_num) {//树状数组操作
for (int i = now; i <= 100000; i += i & (-i))
tree[i][j][k] = (tree[i][j][k] + add_num) % mo;
}
ll get(int now, int j, int k) {
re = 0;
for (int i = now; i; i -= i & (-i))
re = (re + tree[i][j][k]) % mo;
return re;
}
int main() {
scanf("%d %d", &n, &k);
for (int i = 1; i <= n; i++) {
scanf("%d %d", &zb[i].x, &zb[i].y);
}
sort(zb + 1, zb + n + 1, cmp);//按 x 坐标排序
f[0][0][0] = 1;
f[0][0][1] = 1;
for (int i = 1; i <= n; i++) {
f[i][0][0] = 1;
f[i][0][1] = 1;
add(zb[i].y, 0, 0, 1);
add(zb[i].y, 0, 1, 1);//初始化
for (int j = 1; j <= k; j++) {
f[i][j][0] = (get(zb[i].y - 1, j, 0) + get(zb[i].y - 1, j - 1, 1)) % mo;
//可以是跟前面一样上升,也可以变换,成为新的一段
f[i][j][1] = ((get(100000, j, 1) - get(zb[i].y, j, 1) + get(100000, j - 1, 0) - get(zb[i].y, j - 1, 0)) % mo + mo) % mo;
//同理,可以跟前面一样下降,也可以变换,由原来的上升变成下降
//不过因为你是要下降,那你就要用全部减去上升的,才可以得到下降的
//树状数组搞的是上升的,那如果你找 100000,就是最大值的话,就所有都找了一遍,就是全部的了
//或者说这就是前缀和的思想
add(zb[i].y, j, 0, f[i][j][0]);
add(zb[i].y, j, 1, f[i][j][1]);
//放进树状数组里面
}
ans = (ans + f[i][k][0]) % mo;//统计答案
ans = (ans + f[i][k][1]) % mo;
}
printf("%lld", ans);
return 0;
}
【ybt金牌导航1-2-3】折线统计的更多相关文章
- 【ybt金牌导航1-2-6】【luogu P2467】地精部落
地精部落 题目链接:ybt金牌导航1-2-6 / luogu P2467 题目大意 有一个排列,要使得每个位置要么都比两边高,要么比两边低. 而且一定要以一高一低的方式排列. 两边的只用比旁边的那个高 ...
- 【ybt金牌导航1-2-5】【luogu P3287】优美玉米 / 方伯伯的玉米田
优美玉米 / 方伯伯的玉米田 题目链接:ybt金牌导航1-2-5 / luogu P3287 题目大意 有一个数组,你可以每次给一个区间里面的值加一,要你使得最后剩下的最长单调不下降子序列最长. 思路 ...
- 【ybt金牌导航1-2-4】免费馅饼
免费馅饼 题目链接:ybt金牌导航1-2-4 题目大意 有一个直线,在某一个时刻有一个馅饼会出现在一些位置,有它的价值. 一个人一开始可以站在直线的任意地方,然后他每个时刻可以不移动,或向任意一边移动 ...
- BZOJ3688: 折线统计
题解: 令f[i][j][0/1]表示前i个数有j段,最后一段是下降/上升的方案数 很容易列出状态转移方程(已按x轴排序) f[i][j][0]=sigma(f[k][j][0]+f[k][j-1][ ...
- 折线统计(line)
折线统计(line) 题目描述 二维平面上有n个点(xi, yi),现在这些点中取若干点构成一个集合S,对它们按照x坐标排序,顺次连接,将会构成一些连续上升.下降的折线,设其数量为f(S).如下图中, ...
- [FJSC2014]折线统计
[题目描述] 二维平面上有n 个点(xi, yi),现在这些点中取若干点构成一个集合S,对它们按照x 坐标排序,顺次连接,将会构成一些连续上升.下降的折线,设其数量为f(S).如下图中,1->2 ...
- [BZOJ2688]折线统计
Description 二维平面上有n个点(xi, yi),现在这些点中取若干点构成一个集合S,对它们按照x坐标排序,顺次连接,将会构成一些连续上升.下降的折线,设其数量为f(S).如下图中,1-&g ...
- BZOJ3688 折线统计【树状数组优化DP】
Description 二维平面上有n个点(xi, yi),现在这些点中取若干点构成一个集合S,对它们按照x坐标排序,顺次连接,将会构成一些连续上升.下降的折线,设其数量为f(S).如下图中,1-&g ...
- 题解 bzoj3688【折线统计】
考虑 \(dp\) . 首先把所有节点按 \(x\) 从小到大排序是很有必要的. 记 f[i][j][0] 表示满足以第 \(i\) 个节点做折线结尾,选取的点集 \(S\) 满足 \(f(S)=j\ ...
随机推荐
- (三)React Ant Design Pro + .Net5 WebApi:后端环境搭建
一. 简介 1. 平常用的core webapi 3.1,恰逢.Net5.0正式版发布了,直接开整. 2. 先学习IdentityServer4 .Autofac.EF Core,集成到后台框架里. ...
- freopen函数总结
函数原型: freopen(const char * __restrict__ _Filename,const char * __restrict__ _Mode,FILE * __restrict_ ...
- Loadrunner参数化数据配置与更新方式
之前遇到过一种情况,对脚本进行并发测试时,脚本没有报错,但是有丢失的事物,与开发配合检查确定不是代码的问题,然后检查脚本,更换参数化数据配置与更新方式,问题解决.现在对参数化数据配置和更新方式进行总结 ...
- Zabbix监控虚拟机服务-告警与自动恢复
今天稍微空闲,使用下zabbix的5.0版本,目前生产环境是4.x版本 今天就只实现一个目的:监控任意一个服务(示例中监控的是docker.service),如果服务挂了,自动给恢复,先看一个动图 搭 ...
- pytest:通过scope控制fixture的作用范围
一.fixture里面有个参数scope,通过scope可以控制fixture的作用范围,根据作用范围大小划分:session>module>class>function,具体作用范 ...
- Tensorflow-交叉熵&过拟合
交叉熵 二次代价函数 原理 缺陷 假如我们目标是收敛到0.A点为0.82离目标比较近,梯度比较大,权值调整比较大.B点为0.98离目标比较远,梯度比较小,权值调整比较小.调整方案不合理. 交叉熵代价函 ...
- [从源码学设计] Flume 之 memory channel
[从源码学设计] Flume 之 memory channel 目录 [从源码学设计] Flume 之 memory channel 0x00 摘要 0x01 业务范畴 1.1 用途和特点 1.2 C ...
- 避免重复提交?分布式服务的幂等性设计! 架构文摘 今天 点击蓝色“架构文摘”关注我哟 加个“星标”,每天上午 09:25,干货推送! 来源:https://www.cnblogs.com/QG-whz/p/10372458.html 作者:melonstreet
避免重复提交?分布式服务的幂等性设计! 架构文摘 今天 点击蓝色"架构文摘"关注我哟 加个"星标",每天上午 09:25,干货推送! 来源:h ...
- Python 代码的加密混淆
py 脚本编译成 c 文件(cython) 用 cython 将核心代码 py 模块文件转化成 .c 文件,再用 gcc 编译成 so(unix)文件,或者将其编译成 pyd(windows)文件. ...
- JavaScript代码是怎么执行的?
前言 众所周知,JavaScript是单线程语言.所以JavaScript是按顺序执行的! 先编译再执行 变量提升 请看下面的例子: console.log(cat) catName("Ch ...