牛客小白月赛96 解题报告 | 珂学家


前言

alt


题解


A. 最少胜利题数

签到

n1 = len(set(input()))
n2 = len(set(input()))if n1 < n2:n1, n2 = n2, n1print (-1 if n1 == 6 else n1 - n2 + 1)

B. 最少操作次数

思路: 分类讨论

只有-1,0,1,2这四种结果

特判 0+1+, 1+0+

n = int(input())
s = input()# 枚举
from collections import Countercnt = Counter(s)if cnt['0'] == cnt['1']:if s[0:(n//2)] == "0" * (n//2) or s[0:(n//2)] == "1" * (n//2):print (-1)else:print (2)
elif cnt['0'] == n or cnt['1'] == n:print (0)
else:print (1)

C. 最多数组数量

思路: 双指针

枚举第一个和第二个数组的分割点x

然后找第二个和第三个数组的分割点y

找到y点后,往右移动的点都满足需求

很典的题,应该还有其他的解法

n = int(input())arr = list(map(int, input().split()))# 双指针
res = 0
j = 0
s1, s2 = 0, 0
s = sum(arr)
for i in range(n - 2):s1 += arr[i]while j <= i:s2 += arr[j]j += 1while (j < n and (s2 - s1 <= s1 or s2 - s1 <= s - s1 - (s2 - s1))):s2 += arr[j]j += 1if j < n:res += (n - j)print (res)

D. 最小连通代价

思路: 分类讨论

非常好的一道题,分别讨论ab的正负

因为要尽量小,所以负值为完全图,正值维护最简单的树结构

  • 完全图
  • 树形图

ab都为正数时,其大小关系也需要在讨论下

t = int(input())def solve():n, a, b = list(map(int, input().split()))arr = list(map(int, input().split()))n1 = sum([1 for v in arr if v % 2 == 0])n2 = sum([1 for v in arr if v % 2 != 0])res = 0if a <= 0 and b <= 0:res += n1 * (n1 - 1) // 2 * ares += n2 * (n2 - 1) // 2 * ares += n1 * n2 * belif a <= 0:res += n1 * (n1 - 1) // 2 * ares += n2 * (n2 - 1) // 2 * aif n1 > 0 and n2 > 0:res += belif b <= 0:if n1 > 0 and n2 > 0:res = n1 * n2 * belif n1 > 0:res = (n1 - 1) * aelif n2 > 0:res = (n2 - 1) * aelse:if b <= a:if n1 > 0 and n2 > 0:res = (n1 + n2 - 1) * belif n1 > 0:res = (n1 - 1) * aelif n2 > 0:res = (n2 - 1) * aelse:if n1 > 0:res += (n1 - 1) * aif n2 > 0:res += (n2 - 1) * aif n1 > 0 and n2 > 0:res += bprint (res)for _ in range(t):solve()

E. 最大稳定数值

思路: 树上DFS + 名次树(离散化+数状数组/动态开点的线段树)

对于某个节点,祖先的前缀和不会变,但是子孙的和会变小

根据定义,节点会因为子树的删边而成为满足要求

这些点具备如下特点

  • 祖先节点前缀和大于等于该节点
  • 该节点大于子树节点和

可以称这些节点为候选节点

然后从删边寻求突破口

删边会影响祖先节点集的子树和,能否快速统计影响个数呢? 删边会影响祖先节点集的子树和,能否快速统计影响个数呢? 删边会影响祖先节点集的子树和,能否快速统计影响个数呢?

或者说挪动某个范围,统计满足条件的个数 或者说挪动某个范围,统计满足条件的个数 或者说挪动某个范围,统计满足条件的个数

这种一般采用,名次树/树状数组/线段树来快速计算

所以大致的思路为

  • 自底向上DFS,统计子树和和祖先前缀和
  • 自顶向下DFS,利用名次树统计变更节点数

这样两次DFS即可,时间复杂度为 O ( n ) O(n) O(n)

import java.io.BufferedInputStream;
import java.util.*;public class Main {static class BIT {int n;int[] arr;public BIT(int n) {this.n = n;this.arr = new int[n + 1];}int query(int p) {int res = 0;while (p > 0) {res += arr[p];p -= p & -p;}return res;}void update(int p, int d) {while (p <= n) {this.arr[p] += d;p += p & -p;}}}staticpublic class Solution {int n;int[] arr;List<Integer>[]g;long[] up;long[] down;int[] cs;Map<Long, Integer> idMap = new HashMap<>();BIT bit;public int solve(int n, int[] arr, int[] pa) {this.n = n;this.arr = arr;this.up = new long[n];this.down = new long[n];this.cs = new int[n];this.g = new List[n];Arrays.setAll(g, x->new ArrayList<>());for (int i = 0; i < n; i++) {if (pa[i] != -1) {g[pa[i]].add(i);}}dfs(0, -1, 0);TreeSet<Long> ids = new TreeSet<>();for (int i = 0; i < n; i++) {if (up[i] - arr[i] >= arr[i] && down[i] - arr[i] > arr[i]) {ids.add(down[i] - 2l * arr[i]);}ids.add(down[i]);}int ptr = 1;for (long k: ids) {idMap.put(k, ptr++);}this.bit = new BIT(ids.size());dfs3(0, -1);return gAns + cs[0];}int gAns = 0;void dfs3(int u, int fa) {int idx = idMap.get(down[u]);int r = bit.query(idx);r -= cs[u];if (r > gAns) {gAns = r;}if (up[u] - arr[u] >= arr[u] && down[u] - arr[u] > arr[u]) {bit.update(idMap.get(down[u] - arr[u] * 2l), 1);}for (int v: g[u]) {if (v == fa) continue;dfs3(v, u);}if (up[u] - arr[u] >= arr[u] && down[u] - arr[u] > arr[u]) {bit.update(idMap.get(down[u] - arr[u] * 2l), -1);}}void dfs(int u, int fa, long pre) {up[u] = pre + arr[u];down[u] += arr[u];for (int v: g[u]) {if (v == fa) continue;dfs(v, u, up[u]);down[u] += down[v];cs[u] += cs[v];}if (up[u] - arr[u] >= arr[u] && down[u] - arr[u] <= arr[u]) {cs[u] += 1;}}}public static void main(String[] args) {Scanner sc = new Scanner(new BufferedInputStream(System.in));int n = sc.nextInt();int[] arr = new int[n];for (int i = 0; i < n; i++) {arr[i] = sc.nextInt();}int[] pa = new int[n];for (int i = 0; i < n; i++) {pa[i] = sc.nextInt() - 1;}Solution solution =new Solution();System.out.println(solution.solve(n, arr, pa));}}

F. 最少逆序对数

这题的思路可以分为两层

  1. 求一个固定长度的数组,其逆序对最小为多少
  2. 如何解决数组递增的问题

先来解决第一个问题

前置准备,令

f ( a i ) 为数组中大于 a i 的个数 f(a_i)为数组中大于a_i的个数 f(ai)为数组中大于ai的个数
g ( a i ) 为数组中小于 a i 的个数 g(a_i)为数组中小于a_i的个数 g(ai)为数组中小于ai的个数

在一个数组中arr,移动一次的代价为

image.png

h ( a 0 ) = f ( a 0 ) − g ( a 0 ) h(a_0) = f(a_0) - g(a_0) h(a0)=f(a0)g(a0)

显然这题等价转换后,找到一个j,使得

S ( a ) = m i n ∑ i = 0 i = j h ( a i ) , 0 ≤ j < n S(a) = min \sum_{i=0}^{i=j} h(a_i), 0\le j \lt n S(a)=mini=0i=jh(ai),0j<n


那这题的难点就在于,

如何快速的求解 f ( a i ) , g ( a i ) 如何快速的求解f(a_i), g(a_i) 如何快速的求解f(ai),g(ai)

引入迭代的思维

假设 a r r [ 0 : i ] 子数组,其每个元素的 f i ( a j ) , g i ( a j ) 已维护,那尾巴新增一个元素 a r r [ i + 1 ] ,此时会变化什么呢? arr[0:i]子数组,其每个元素的f_i(a_j), g_i(a_j)已维护,那尾巴新增一个元素arr[i+1],此时会变化什么呢? arr[0:i]子数组,其每个元素的fi(aj),gi(aj)已维护,那尾巴新增一个元素arr[i+1],此时会变化什么呢?,

f i + 1 ( a j ) , g i + 1 ( a j ) 的更新只需要 O ( 1 ) 代价 f_{i+1}(a_j), g_{i+1}(a_j)的更新只需要O(1)代价 fi+1(aj),gi+1(aj)的更新只需要O(1)代价

进而 a r r [ 0 : i + 1 ] 的 h i + 1 序列重建,只需要 O ( n ) 的代价 进而{arr[0:i+1]的h_{i+1}序列重建,只需要O(n)的代价} 进而arr[0:i+1]hi+1序列重建,只需要O(n)的代价

a r r [ 0 : i + 1 ] 的最小逆序也可以 O ( n ) 求解 arr[0:i+1]的最小逆序也可以O(n)求解 arr[0:i+1]的最小逆序也可以O(n)求解

这样n长度的数组,只需要 O ( n 2 ) O(n^2) O(n2)求解得最终的解


如果这题,改为在线查询,可能会更难


n = int(input())
arr = list(map(int, input().split()))f = [0] * n
g = [0] * nacc = 0
res = []
for i in range(n):for j in range(i - 1, -1, -1):if arr[j] < arr[i]:f[j] += 1g[i] += 1elif arr[j] > arr[i]:g[j] += 1f[i] += 1acc += f[i]ans = acctmp = 0for j in range(i):tmp = tmp + f[j] - g[j]ans = min(ans, acc + tmp)res.append(ans)print (*res)

写在最后

alt

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/853613.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

Windows10 MySQL(8.0.37)安装与配置

一、MySQL8.0.37下载 官网下载链接&#xff1a; https://dev.mysql.com/downloads/ 解压文件&#xff0c;解压到你想要的位置 二、新建MySQL配置文件 右键新建文本文档 新建my.txt文件 编辑my.txt文件&#xff0c;输入以下内容 [mysqld] # 设置 3306 端口 port3306 # 设…

SQLServer使用 PIVOT 和 UNPIVOT行列转换

在SQL Server中&#xff0c;PIVOT是一个用于将行数据转换为列数据的操作。它特别适用于将多个行中的值转换为多个列的情况&#xff0c;并在此过程中执行聚合操作。以下是关于SQL Server中PIVOT操作的详细解释和示例&#xff1a; 1、本文内容 概述语法备注关键点简单 PIVOT 示…

15.RedHat认证-Ansible自动化运维(上)

15.RedHat认证-Ansible自动化运维(上) RHCE8-RH294 Ansible自动化&#xff08;Ansible版本是2.8.2&#xff09; Ansible介绍 1.Ansible是什么&#xff1f; Ansible是一个简单的强大的无代理的自动化运维工具&#xff08;Ansible是自动化运维工具&#xff09;Ansible特点 简…

RPC知识

一、为什么要有RPC&#xff1a; HTTP协议的接口&#xff0c;在接口不多、系统与系统交互较少的情况下&#xff0c;解决信息孤岛初期常使用的一种通信手段&#xff1b;优点就是简单、直接、开发方便&#xff0c;利用现成的HTTP协议进行传输。 但是&#xff0c;如果是一个大型的网…

[大模型]XVERSE-7B-chat FastAPI 部署

XVERSE-7B-Chat为XVERSE-7B模型对齐后的版本。 XVERSE-7B 是由深圳元象科技自主研发的支持多语言的大语言模型&#xff08;Large Language Model&#xff09;&#xff0c;参数规模为 70 亿&#xff0c;主要特点如下&#xff1a; 模型结构&#xff1a;XVERSE-7B 使用主流 Deco…

HAL库开发--STM32的HAL环境搭建

知不足而奋进 望远山而前行 目录 文章目录 前言 下载 安装 解压 安装 添加开发包 修改仓库路径 下载软件开发包&#xff08;慢&#xff0c;不推荐&#xff09; 解压已有软件开发包&#xff08;快&#xff0c;推荐&#xff09; 总结 前言 在嵌入式系统开发中&#x…

线上教育培训办公系统系统的设计

管理员账户功能包括&#xff1a;系统首页&#xff0c;个人中心&#xff0c;管理员管理&#xff0c;教师管理&#xff0c;学生管理&#xff0c;运营事件管理 教师账户功能包括&#xff1a;系统首页&#xff0c;个人中心&#xff0c;学生管理&#xff0c;作业管理&#xff0c;电…

Java版+ SaaS应用+接口技术RESTful API 技术开发的智慧医院HIS系统源码 专注医院管理系统研发 支持二开

Java版 SaaS应用接口技术RESTful API WebSocket WebService技术开发的智慧医院HIS系统源码 专注医院管理系统研发 支持二开 医院住院管理系统&#xff08;Hospital Information System简称HIS&#xff09;是一门医学、信息、管理、计算机等多种学科为一体的边缘科学&#xff…

LabVIEW与Matlab联合编程的途径及比较

​ LabVIEW和Matlab联合编程可以通过多种途径实现&#xff0c;包括调用Matlab脚本节点、使用LabVIEW MathScript RT模块、利用ActiveX和COM接口&#xff0c;以及通过文件读写实现数据交换。每种方法都有其独特的优势和适用场景。本文将详细比较这些方法&#xff0c;帮助开发者…

给文件夹加密的最简单方法

安当TDE透明加密针对文件夹数据加密的保护方案主要包括以下几个方面&#xff1a; 1. 透明加密机制&#xff1a; 用户无需关心数据的加密和解密过程&#xff0c;操作文件夹时就像处理普通数据一样。加密和解密操作在后台自动进行&#xff0c;对用户和应用程序透明。 2. 高性能加…

python文件操作(Windows路径,内置os库)+ 正则表达式(语法与re库)

文章目录 前言1 Windows路径(1)绝对路径 (Absolute Path)(2)相对路径 (Relative Path)一、python文件的读写操作1 读写(1)打开文件file = open(test1.txt,r,encoding=utf-8) --- 打开文件(2)读取文件内容content = file.read() --- 读取全部内容,返回字符串lines = re…

【QT5】<知识点> QT常用知识(更新中)

目录 一、更改文本颜色和格式 二、QT容器类 三、字符串与整数、浮点数之间的转换 四、QString常用功能 五、SpinBox的属性介绍 六、滑动、滚动、进度条和表盘LCD 七、时间、日期、定时器 一、更改文本颜色和格式 动态设置字体粗体&#xff1a;QFont对象的setBold方法动态…

java第二十四课 —— super 关键字 | 方法重写

super 关键字 基本介绍 super 代表父类的引用&#xff0c;用于访问父类的属性、方法、构造器。 基本语法 访问父类的属性&#xff0c;但不能访问父类的 private 属性。 super.属性名; 访问父类的方法&#xff0c;不能访问父类的 private 方法。 super.方法名(参数列表); 访…

个人网站制作 Part 27 添加网站导航搜索功能 | Web开发项目添加页面缓存

文章目录 &#x1f680; 添加网站导航搜索功能&#x1f528;使用搜索服务&#x1f527;步骤 1: 选择搜索服务&#x1f527;步骤 2: 注册Algolia账户&#x1f527;步骤 3: 获取Algolia搜索配置 使用Vue.js&#x1f527;步骤 4: 安装Algolia搜索库&#x1f527;步骤 5: 创建搜索组…

DNS域名解析----分离解析、多域名解析、父域与子域

1 理论部分 1.1 分离解析 DNS的分离解析&#xff0c;是指根据不同的客户端提供不同的域名解析记录。来自不同地址的客户机请求解析同一域名时&#xff0c;为其提供不同的解析结果。也就是内外网客户请求访问相同的域名时&#xff0c;能解析出不同的IP地址&#xff0c;实现负载…

【机器学习】机器学习中的人工神经元模型有哪些?

线性神经元 线性神经元&#xff08;Linear Neuron&#xff09;是一种基本的人工神经元模型&#xff0c;特点是其输出是输入的线性组合。线性神经元是神经网络中最简单的一种形式&#xff0c;适用于处理线性关系的问题。数学模型如下&#xff0c; y w ⋅ x b ∑ i 1 n w i x…

springboot原理篇-配置优先级

springboot原理篇-配置优先级&#xff08;一&#xff09; springboot项目一个支持三种配置文件 application.propertiesapplication.ymlapplication.yaml 其中&#xff0c;优先级的顺序是&#xff1a; application.properties > application.yml > application.yaml 也…

块级元素与行内元素详解

在网页设计与开发中&#xff0c;元素根据其在页面布局中的表现可分为两大类&#xff1a;块级元素&#xff08;Block-level Elements&#xff09;和行内元素&#xff08;Inline Elements&#xff09;。理解它们的特性和使用规则对于构建结构清晰、布局合理的网页至关重要。 块级…

HashMap详解(含动画演示)

目录 HashMap1、HashMap的继承体系2、HashMap底层数据结构3、HashMap的构造函数①、无参构造②、有参构造1 和 有参构造2 (可以自定义初始容量和负载因子)③、有参构造3(接受一个Map参数)JDK 8之前版本的哈希方法&#xff1a;JDK 8版本的哈希方法 4、拉链法解决哈希冲突什么是拉…

正解 x86 Linux 内存管理

1&#xff0c;机器解析的思路 发现网络上大量的教程&#xff0c;多是以讹传讹地讲解 Linux 内存管理&#xff1b; 都是在讲&#xff1a; 逻辑地址 -> 线性地址 -> 物理地址 这个转换关系是怎么发生的。 上面这个过程确实是程序运行时地址的翻译顺序&#xff1b; …