【DS】P9062 [Ynoi2002] Adaptive Hsearch&Lsearch(区间最近点对)
给定平面上 \(n\) 个点,\(Q\) 次询问编号在 \([l,r]\) 内的点的最近点对。\(n,Q\le 2.5\times 10^5\)。
技巧:平面网格化
乱搞都是错的。看见欧几里德距离,想到平面网格化。
考虑一个平面最近点对的网格化做法:随机点的顺序,按顺序依次考虑,考虑到第 \(i\) 个点时,设当前最近点对距离为 \(d\),则把平面划分为 \(d\times d\) 的网格,直接枚举 \(i\) 所在周围 \(9\) 个格子中 \(O(1)\) 个点即可。时间复杂度 \(\sum i\times O(1/i)=O(n)\),但这不是重点。重点在于网格化。
现在 \(d\) 不能确定,于是令 \(d\) 为一个定值,然后将平面划分 \(\log_d V\) 次,每次划分为 \(d^k\times d^k\) 的网格。同理每个网格中需要保留的点距离均大于 \(d^{k-1}\),所以总点数应该是 \(O(d)\) 的。几倍常数不知道。
扫右端点 \(r\),对每个点 \(i\) 维护在 \(j>i\) 的 \(j\) 中 \(\mathrm{dis}(i,j)\) 的最小值,那询问就查 \(l\) 后缀最小值即可。扫到点 \(r\) 的时候,对每一层,暴力更新周围 \(3\times 3\) 的网格,更新权值,同时把没用的点扬掉。
一共会进行 \(O(n\log_d V)\) 次单点修改,但每次修改常数巨大巨大。有 \(O(Q)\) 次查询。拿个分块数组维护即可做到 \(O(n\log_d V+Q\sqrt{n})\)。
\(d\) 开成 \(4\),位运算,好写,又快。\(d=2\) 时间空间都开不下。
点击查看代码
#include <bits/stdc++.h>
#include <ext/pb_ds/assoc_container.hpp>
#include <ext/pb_ds/hash_policy.hpp>
#define For(i,a,b) for(int i=a;i<=b;i++)
#define Rev(i,a,b) for(int i=a;i>=b;i--)
#define Fin(file) freopen(file,"r",stdin);
#define Fout(file) freopen(file,"w",stdout);
using namespace std;
const int N=2.5e5+5,M=1.5e7,V=1e8; using ll = long long;
class STree{;
int n,B; ll a[N],b[N];
public:
void init(int nn) { n=nn; B=sqrt(n)+1; For(i,0,n) a[i]=b[i]=1e18; }
void poke(int x,ll y) { a[x]=min(a[x],y); b[x/B]=min(b[x/B],y); }
ll peek(int x) { return min(*min_element(a+x,a+min(n,x/B*B+B-1)+1),*min_element(b+x/B+1,b+n/B+1)); }
//~ ll peek(int x) { ll res=1e18; For(i,x,min(n,x/B*B+B-1)) res=min(res,a[i]);; For(i,x/B+1,n/B) res=min(res,b[i]);; return res; }
}T;
int n,Q,X[N],Y[N],tot; vector<pair<int,int>> qry[N]; vector<int> lis[M]; ll ans[N];
__gnu_pbds::gp_hash_table<ll,int> mp[30];
//~ unordered_map<ll,int> mp[30];
ll dist(int i,int j) { return 1ll*(X[i]-X[j])*(X[i]-X[j])+1ll*(Y[i]-Y[j])*(Y[i]-Y[j]); }
ll ID(int x,int y) { return (ll(x)*10*V)+y; }
int Cnt=0;
void update(int u,ll id,int i,bool flg){
if(!flg&&mp[i].find(id)==mp[i].end()) return;
if(mp[i].find(id)==mp[i].end()) mp[i][id]=++tot,assert(tot<M);
int o=mp[i][id]; vector<int> tmp; if(flg) tmp.push_back(u);
for(int v:lis[o]){
Cnt++;
ll d=dist(u,v); T.poke(v,d); if(d>(i==0?0:1ll<<(i*4-4))) tmp.push_back(v);
}
swap(lis[o],tmp);
}
int main(){
//~ Fin("hh.in"); Fout("hh.out");
ios::sync_with_stdio(0); cin.tie(0);
cin>>n>>Q; T.init(n); For(i,1,n) cin>>X[i]>>Y[i];
For(i,1,Q) { int l,r; cin>>l>>r; qry[r].emplace_back(l,i); ans[i]=1e18; }
For(r,1,n){
for(int i=0;(1<<(i*2))<=V;i++){
int x=X[r]>>(i*2),y=Y[r]>>(i*2);
For(xx,x-1,x+1) For(yy,y-1,y+1){
if(xx<0||yy<0||xx>(V>>(i*2))||yy>(V>>(i*2))) continue;
update(r,ID(xx,yy),i,xx==x&&yy==y);
}
}
for(auto [l,id]:qry[r]) ans[id]=min(ans[id],T.peek(l));
}
For(i,1,Q) cout<<ans[i]<<'\n';
return 0;
}
【DS】P9062 [Ynoi2002] Adaptive Hsearch&Lsearch(区间最近点对)的更多相关文章
- HDU - 4553 约会安排(区间合并)
https://cn.vjudge.net/problem/HDU-4553 Description 寒假来了,又到了小明和女神们约会的季节. 小明虽为屌丝级码农,但非常活跃,女神们常常在小明网上的 ...
- HDU 4553 约会安排 (区间合并)【线段树】
<题目链接> 寒假来了,又到了小明和女神们约会的季节. 小明虽为屌丝级码农,但非常活跃,女神们常常在小明网上的大段发言后热情回复“呵呵”,所以,小明的最爱就是和女神们约会.与此同时,也有 ...
- JS------获取一个时间区间的所有天
1:获取一个时间区间的所有日期 function getDiffDate(start, end) { var startTime = getDate(start); var endTime = get ...
- 随机森林(Random Forest),决策树,bagging, boosting(Adaptive Boosting,GBDT)
http://www.cnblogs.com/maybe2030/p/4585705.html 阅读目录 1 什么是随机森林? 2 随机森林的特点 3 随机森林的相关基础知识 4 随机森林的生成 5 ...
- 约会安排---hdu4553(线段树,麻烦的区间覆盖)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4553 算是poj3667的加强版,建立两颗线段树,一个是DS区间,另一个是NS区间.那么根据题意, ...
- HDU 4553 约会安排(线段树区间合并+双重标记)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4553 题目大意:就是有三种操作: ①DS x,安排一段长度为x的空闲时间跟屌丝一起,输出这段时间的起点 ...
- d-s证据理论
证据理论是Dempster于1967年首先提出,由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论,也称为Dempster/Shafer 证据理论(D-S证据理论),属于人工智能范畴 ...
- HDU5381【莫队算法+区间GCD特性】
前言: 主要最近在刷莫队的题,这题GCD的特性让我对莫队的使用也有了新的想法.给福利:神犇的一套莫队算法题 先撇开题目,光说裸的一个莫队算法,主要的复杂度就是n*sqrt(n)对吧,这里我忽略了一个左 ...
- 约会安排 HDU - 4553(线段树区间查询,区间修改,区间合并)
题目: 寒假来了,又到了小明和女神们约会的季节. 小明虽为屌丝级码农,但非常活跃,女神们常常在小明网上的大段发言后热情回复“呵呵”,所以,小明的最爱就是和女神们约会.与此同时,也有很多基友找他开黑, ...
- [NLP] Adaptive Softmax
1. Overview Adaptive softmax算法在链接1中的论文中提出,该算法目的是为了提高softmax函数的运算效率,适用于一些具有非常大词汇量的神经网络. 在NLP的大部分任务中,都 ...
随机推荐
- 详解GaussDB(DWS)的CPU资源隔离管控能力
摘要:GaussDB使用cgroup实现了两种cpu管控能力,基于cpu.shares的共享配额管控和基于cpuset的专属限额管控. 本文分享自华为云社区<GaussDB(DWS)的CPU资源 ...
- appuploader不是开发者账号
Appuploader是一款可以帮助开发者上传iOS应用到Apple App Store的工具.很多开发者都知道,在上传应用到App Store之前,需要创建开发者账号并获得苹果官方的认证才能进行上传 ...
- Google 发布:DevOps 2022现状报告
在过去的八年中,全球超过 33,000 名专业人士参与了Accelerate State of DevOps 调查,使其成为同类研究中规模最大.运行时间最长的一项.Accelerate State o ...
- 24校招,Moka测试开发工程师一面
前言 大家好,今天回顾一下楼主当时参加moka测试开发工程师的面试 对其中一些重要问题,我也给出了相应的答案 过程 自我介绍 挑一个项目,详细介绍你在其中担任的职责 如何安排工作的,有什么成果? 回归 ...
- 【flask】蓝图的使用方式 g对象的使用 flask配置数据库连接池
目录 上节回顾 今日内容 1 蓝图的使用 2 g对象 g对象 vs request对象 3 数据库连接池 上节回顾 全局request对象.线程会处理请求,确保线程中的数据不错乱. django_se ...
- Codeforce 515C. Drazil and Factorial(字符串思维题)
[CodeForces]C. Drazil and Factorial 题目链接:Click Here 题意:找一个最大的数,使得每个位的阶乘的乘积与给定数相同. 首先將 2~9 轉成這樣(0,1為空 ...
- AtCoder Beginner Contest 188 题解
AtCoder Beginner Contest 188 A,B很简单就不多说 C - ABC Tournament 找出前一半的最大值和后一半的最大值,二者中较小的那一个对应的序号就是最后的答案. ...
- 基于 Serverless+OSS 分分钟实现图片秒变素描
简介: 在阿里云Serverless函数计算服务中部署普通图片转素描图函数服务,实现将批量上传到指定OSS桶内的图片自动转换为素描图并保存到另一个OSS桶内 场景介绍 小明接到学校老师安排的任务,需要 ...
- 深度学习降噪专题课:实现WSPK实时蒙特卡洛降噪算法
大家好~本课程基于全连接和卷积神经网络,学习LBF等深度学习降噪算法,实现实时路径追踪渲染的降噪 本课程偏向于应用实现,主要介绍深度学习降噪算法的实现思路,演示实现的效果,给出实现的相关代码 线上课程 ...
- 面试重点:webpack
webpack 熟练掌握Webpack的常用配置,能够自己构建前端环境,并进行项目优化; 001.谈谈你对webpack的看法: webpack是一个模块打包工具,可以使用它管理项目中的模块依赖,并编 ...