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 $\frac{\sum_{i=d+1}^nt[i]}{\sum_{i=d+1}^{n}p[i]}$,设它为 $st[D]/sp[D]$

然后根据$01$规划的套路考虑把所有的成绩 $t[i]$ 减去 $st[D]/sp[D]*p[i]$

这样做了以后,如果可以使成绩更优,那么说明区间 $[d+1,n]$ 的 $t[i]$ 的最小值小于区间 $[1,d]$ 的 $t[i]$ 的最大值

(就是说我们本来可以选一个区间 $[1,d]$ 的更优的数,但是被删掉了)

然后就有一个 $n^2$ 的算法,枚举 $D$,然后把 $t$ 按套路操作,然后求 $[1,d]$ 区间最大值,$[d+1,n]$ 区间最小值,比较一下就好了

接下来,发现有很多东西是冗余的,没有必要每次都重新算,考虑 $D$ 的变化产生的影响

想想前面枚举完一个 $D$ 了以后要干嘛,求区间 $[d+1,n]$ 的 $t[i]-st[D]/sp[D]*p[i]$ 的最小值,

求区间 $[1,d]$ 的 $t[i]-st[D]/sp[D]*p[i]$ 的最大值。

设 $f[i]$ 表示区间 $[1,i]$,$t$ 变换后的最大值,那么显然 $f[i]=max(t[j]-st[i]/sp[i]*p[j])\ ,\ j \in [1,i]$,

发现好像可以斜率优化?

$st[i]/sp[i]*p[j]+f[i]=t[j]$,那么 $k=st[i]/sp[i],x=p[j],b=f[i],y=t[j] $,原式就变成了 $kx+b=y$ 的形式,可以斜率优化!

同样的设 $g[i]$ 表示区间 $[i+1,n]$,$t$ 变换后的最小值,那么 $g[i]=min(t[j]-st[i]/sp[i]*p[j]),\ j \in [i+1,n]$,同样可以斜率优化

可以发现,随着 $i$ 的增加 $k=st[i]/sp[i]$ 是不降的,但是显然 $x$ 是不单调的

所以我无脑强行上了两遍 $CDQ$ 求 $f$ 和 $g$,貌似有 $O(n)$ 用 $Graham$ 维护凸包的更优解法?

最后枚举 $D$ ,比较一下 $f[d]$ 和 $g[d]$ 的大小关系就好啦

具体可以看代码来理解

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cmath>
#include<cstring>
#include<vector>
using namespace std;
typedef long long ll;
typedef double db;
inline int read()
{
int x=,f=; char ch=getchar();
while(ch<''||ch>'') { if(ch=='-') f=-; ch=getchar(); }
while(ch>=''&&ch<='') { x=(x<<)+(x<<)+(ch^); ch=getchar(); }
return x*f;
}
const int N=2e5+;
const ll INF=1e18;
int n,st[N],sp[N];
db f[N],g[N];
struct nod {//存每一科的数据
int p,t;//分母,分子
inline bool operator < (const nod &tmp) const {//按分子除分母排序
return t*tmp.p<tmp.t*p;//避免除法,用等价的乘法是好习惯
}
}d[N];
struct Poi {//斜率优化的点 (或向量)
int x,y;
Poi (int x=,int y=) : x(x) , y(y) {}
inline Poi operator - (const Poi &tmp) const {//点减点就是向量,用向量维护凸包可以避免精度问题,速度也快
return Poi(x-tmp.x,y-tmp.y);
}
}T[N],tmp[N];
int Q[N];//存当前凸包
inline ll Cross(Poi A,Poi B) { return 1ll*A.x*B.y-1ll*B.x*A.y; }//向量叉积维护凸包
inline db calc(int i,int j) { return 1.0*T[j].y-1.0*st[i]/sp[i]*T[j].x; }//计算dp值
inline void merge(int l,int r,int mid)//按x归并排序
{
int pl=l,pr=mid+;
for(int p=l;p<=r;p++)
{
if( pl<=mid && (pr>r||T[pl].x<T[pr].x) ) tmp[p]=T[pl++];
else tmp[p]=T[pr++];
}
for(int p=l;p<=r;p++) T[p]=tmp[p];
}
void CDQ_f(int l,int r)//CDQ求f,求i属于[l,r]的f[i]值
{
if(l==r) { f[l]=max(f[l],calc(l,l)); return; }//当前区间只有一个点了,用自己更新自己
int mid=l+r>>,L=,R=;
CDQ_f(l,mid);//先处理左边[l,mid]的所有f
//此时左边所有点已经按x排好序了
for(int i=l;i<=mid;i++)//维护左边所有点的凸包
{
while( L<R && Cross(T[i]-T[Q[R-]],T[Q[R]]-T[Q[R-]])<= ) R--;
Q[++R]=i;
}
for(int i=mid+;i<=r;i++)//斜率有序,直接用刚刚维护好的凸包更新[mid+1,r]的f
{
while( L<R && calc(i,Q[R-])>=calc(i,Q[R]) ) R--;
int j=Q[R]; f[i]=max(f[i],calc(i,j));
}
CDQ_f(mid+,r); merge(l,r,mid);//处理完记得按x排序
}
void CDQ_g(int l,int r)//处理g同理
{
if(l==r) return;//注意g[i]的区间不包含i (i<j<=n)
int mid=l+r>>,L=,R=;
CDQ_g(mid+,r);//注意现在是先处理右边的g了
for(int i=mid+;i<=r;i++)//维护右边的凸包
{
while( L<R && Cross(T[i]-T[Q[R-]],T[Q[R]]-T[Q[R-]])>= ) R--;
Q[++R]=i;
}
for(int i=l;i<=mid;i++)//更新左边
{
while( L<R && calc(i,Q[L])>=calc(i,Q[L+]) ) L++;
int j=Q[L]; g[i]=min(g[i],calc(i,j));
}
CDQ_g(l,mid); merge(l,r,mid);//同样记得merge
}
vector <int> ans;//维护答案
int main()
{
n=read();
for(int i=;i<=n;i++) d[i].t=read(),d[i].p=read();
sort(d+,d+n+);//先按t/p排序
for(int i=n-;i;i--) { st[i]=st[i+]+d[i+].t; sp[i]=sp[i+]+d[i+].p; }//求出st,sp
for(int i=;i<=n;i++)
{
T[i]=Poi(d[i].p,d[i].t);//初始化点
f[i]=-INF; g[i]=INF;//注意初始值
}
//斜率有序
CDQ_f(,n);
for(int i=;i<=n;i++) T[i]=Poi(d[i].p,d[i].t);//记得还原回初始值
CDQ_g(,n);
for(int i=;i<=n;i++)//枚举d,更新ans
if(f[i]>g[i]) ans.push_back(i);
int len=ans.size();
printf("%d\n",len);
for(int i=;i<len;i++) printf("%d\n",ans[i]);
return ;
} /*
f[i]=T[j]-st[i]/sp[i]*P[j] j<=i
st[i]/sp[i]*P[j]+f[i]=T[j] j<=i
k=st[i]/sp[i],x=P[j],b=f[i],y=T[j]
max,维护上凸包
g[i]=T[j]-st[i]/sp[i]*P[j] j>i
st[i]/sp[i]*P[j]+g[i]=T[j] j>i
min,维护下凸包
*/

P2877 [USACO07JAN]牛校Cow School的更多相关文章

  1. 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 ...

  2. bzoj1638 / P2883 [USACO07MAR]牛交通Cow Traffic

    P2883 [USACO07MAR]牛交通Cow Traffic 对于每一条边$(u,v)$ 设入度为0的点到$u$有$f[u]$种走法 点$n$到$v$(通过反向边)有$f2[v]$种走法 显然经过 ...

  3. P3014 [USACO11FEB]牛线Cow Line && 康托展开

    康托展开 康托展开为全排列到一个自然数的映射, 空间压缩效率很高. 简单来说, 康托展开就是一个全排列在所有此序列全排列字典序中的第 \(k\) 大, 这个 \(k\) 即是次全排列的康托展开. 康托 ...

  4. bzoj1612 / P2419 [USACO08JAN]牛大赛Cow Contest(Floyd)

    P2419 [USACO08JAN]牛大赛Cow Contest Floyd不仅可以算最短路,还可以处理点之间的关系. 跑一遍Floyd,处理出每个点之间是否有直接或间接的关系. 如果某个点和其他$n ...

  5. 【洛谷】2990:[USACO10OPEN]牛跳房子Cow Hopscotch【单调队列优化DP】

    P2990 [USACO10OPEN]牛跳房子Cow Hopscotch 题目描述 The cows have reverted to their childhood and are playing ...

  6. 洛谷——P2952 [USACO09OPEN]牛线Cow Line

    P2952 [USACO09OPEN]牛线Cow Line 题目描述 Farmer John's N cows (conveniently numbered 1..N) are forming a l ...

  7. P2419 [USACO08JAN]牛大赛Cow Contest

    P2419 [USACO08JAN]牛大赛Cow Contest 题目背景 [Usaco2008 Jan] 题目描述 N (1 ≤ N ≤ 100) cows, conveniently number ...

  8. 拓扑排序/DP【洛谷P2883】 [USACO07MAR]牛交通Cow Traffic

    P2883 [USACO07MAR]牛交通Cow Traffic 随着牛的数量增加,农场的道路的拥挤现象十分严重,特别是在每天晚上的挤奶时间.为了解决这个问题,FJ决定研究这个问题,以能找到导致拥堵现 ...

  9. 洛谷P3045 [USACO12FEB]牛券Cow Coupons

    P3045 [USACO12FEB]牛券Cow Coupons 71通过 248提交 题目提供者洛谷OnlineJudge 标签USACO2012云端 难度提高+/省选- 时空限制1s / 128MB ...

随机推荐

  1. mysqli_query(“set nams utf8”)为FALSE

    经过过测试: mysqli_query("set nams  utf8")必须在所有语句的执行之前,否则会返回FALSE. 看手册,说不建议用mysqli_query来设置编码,用 ...

  2. JDK1.6 1.7 1.8 多版本windows安装 执行命令java -version 版本不变的问题

    现在Windows的java安装已经没有解压版本,Oracle官方也不会再提供了,只有安装程序 所以每当安装一次JDK,都会将 java.exe.javaw.exe.javaws.exe三个可执行文件 ...

  3. TF Boys (TensorFlow Boys ) 养成记(一):TensorFlow 基本操作

    本资料是在Ubuntu14.0.4版本下进行,用来进行图像处理,所以只介绍关于图像处理部分的内容,并且默认TensorFlow已经配置好,如果没有配置好,请参考官方文档配置安装,推荐用pip安装.关于 ...

  4. [GO]通道的关闭

    并不是往通道里放多少次数据,就必须取多次少数据的(之前的例子都是放3次取3次,放10次取10次),我们可以做一个操作,当子协程没有新放入的时候,主协程不再去取,这就是关闭通道 package main ...

  5. Hadoop中Writable类

    1.Writable简单介绍 在前面的博客中,经常出现IntWritable,ByteWritable.....光从字面上,就可以看出,给人的感觉是基本数据类型 和 序列化!在Hadoop中自带的or ...

  6. 从命令行运行 MyBatis Generator

    ? ? 一.准备 1. 获取最新jar包 2. 获取xml dtd <?xml version="1.0" encoding="UTF-8"?> & ...

  7. Animator 设置动画效果

    1. 调节预设对象大小适中 2. 设置骨骼,修改关节 3. 拖入预设动作效果对象中 4. 将预设对象拉入场景中,并新建AnimatorController 5. 新建动作或BlendTree,设置参数 ...

  8. C++/Java中继承关系引发的调用关系详解

    C++: 这里引用到了 http://blog.csdn.net/haoel/article/details/1948051/ 中的内容,还请提前阅读陈大神的这篇博客后在阅读本篇. 覆盖,实现多态的基 ...

  9. numpy数组与python的list互转,然后用json写入文件与c交互

    1.对于numpy的tofile方法,一个一维数组可以直接写成二进制形式,用c语言或者numpy.fromfile()可以读出来内容.而如果数组超过一维,tofile并不区分,也就是arr1=[1,2 ...

  10. Java知多少虚拟机(JVM)以及跨平台原理

    相信大家已经了解到Java具有跨平台的特性,可以“一次编译,到处运行”,在Windows下编写的程序,无需任何修改就可以在Linux下运行,这是C和C++很难做到的. 那么,跨平台是怎样实现的呢?这就 ...