cdq+bitset处理高维偏序
高维偏序
CDQ分治
假设处理的区间为 [ l , r ] [l,r] [l,r] ,CDQ分治的过程:
- 如果 l ≥ r l\geq r l≥r ,返回。
- 设区间中点为 m i d mid mid ,递归处理 [ l , m i d ] [l,mid] [l,mid] 和 [ m i d + 1 , r ] [mid+1,r] [mid+1,r]。
- 利用单调性处理横跨 m i d mid mid 的点对,不横跨 m i d mid mid 的点对将在递归中被解决。
bitset
定义 bitset<maxn>a[i][j] 代表第 i i i 个数在第 j j j 个属性上与其他元素的大小关系。
如果 a [ i ] [ j ] [ k ] = 1 a[i][j][k]=1 a[i][j][k]=1 ,代表第 i i i 个数在第 j j j 个属性上大于等于第 k k k 个数,即 v [ i ] [ j ] ≥ v [ k ] [ j ] v[i][j] \geq v[k][j] v[i][j]≥v[k][j] 。
怎么去求解呢,只需要对每个属性进行排序,从小到大遍历,每次在 b i t s e t bitset bitset 这个位置上 s e t set set 个 1 1 1,然后每次让对应的 a [ i d ] [ j ] = t m p a[id][j]=tmp a[id][j]=tmp 即可。
那么第 i i i 个数在第 j j j 个属性上大于等于其他数的个数即为 a [ i ] [ j ] . c o u n t ( ) a[i][j].count() a[i][j].count() 。
所有属性都大于等于的个数,那么就是按位与之后的 c o u n t count count 。
P3810 【模板】三维偏序(陌上花开)
cdq思路:
只需要解决如何求横跨 m i d mid mid 的点对,先按 a a a 属性排序,那么 [ l , m i d ] . a < [ m i d + 1 , r ] . a [l,mid].a<[mid+1,r].a [l,mid].a<[mid+1,r].a,
然后我们再对 [ l , m i d ] , [ m i d + 1 , r ] [l,mid],[mid+1,r] [l,mid],[mid+1,r] 按 b b b 属性分别排序(保证了 a a a 属性的顺序),然后 c c c 属性的话按照双指针+树状数组即可统计。
需要注意的是,会有三个属性相同的情况需要特殊处理。
#include<iostream>
#include<algorithm>
#include<cstring>
#include<cmath>
#include<iomanip>
#include<vector>
#include<queue>
#include<map>
#include<set>
#include<stack>
//#include<random>
//#include<bits/stdc++.h>
using namespace std;
#define ll long long
#define node array<int,5>
#define pii pair<int,int>
#define lowbit(x) x&-x
array<int,200020>c;
struct Tree{void add(int i,int x){for(;i<=200000;i+=lowbit(i))c[i]+=x;}int sum(int i){int ans=0;for(;i;i-=lowbit(i))ans+=c[i];return ans;}
}T;
vector<node>a;
int ans[200020];
int cnt[200020];
void cdq(int l,int r){if(l>=r)return ;int mid=l+r>>1;cdq(l,mid);cdq(mid+1,r);sort(a.begin()+l,a.begin()+mid+1,[](node x,node y){if(x[2]!=y[2])return x[2]<y[2];return x[3]<y[3];});sort(a.begin()+mid+1,a.begin()+r+1,[](node x,node y){if(x[2]!=y[2])return x[2]<y[2];return x[3]<y[3];});int L=l;for(int i=mid+1;i<=r;i++){while(L<=mid&&a[L][2]<=a[i][2])T.add(a[L][3],a[L][4]),L++;ans[a[i][0]]+=T.sum(a[i][3]);}for(int i=l;i<L;i++){T.add(a[i][3],-a[i][4]);}
}
void solve(){int n,k;cin>>n>>k;int tn=n;a=vector<node>(n+1);for(int i=1;i<=n;i++){cin>>a[i][1]>>a[i][2]>>a[i][3];a[i][4]=1;// a[i][0]=i;}sort(a.begin()+1,a.end(),[](node x,node y){if(x[1]!=y[1])return x[1]<y[1];if(x[2]!=y[2])return x[2]<y[2];return x[3]<y[3];});vector<node>b;b.push_back({0,0,0,0,0});for(int i=2;i<=n;i++){if(a[i][1]==a[i-1][1]&&a[i][2]==a[i-1][2]&&a[i][3]==a[i-1][3]){a[i][4]+=a[i-1][4];}else {b.push_back(a[i-1]);}}b.push_back(a[n]);a=b;n=a.size()-1;for(int i=1;i<=n;i++){a[i][0]=i;ans[i]+=a[i][4]-1;}cdq(1,n);for(int i=1;i<=n;++i){cnt[ans[a[i][0]]]+=a[i][4];}for(int i=0;i<tn;i++)cout<<cnt[i]<<'\n';
}
int main(){ios::sync_with_stdio(false);cin.tie(0),cout.tie(0);int t=1;// cin>>t;while(t--)solve();return 0;
}
bitset思路:
需要用到分块,以时间换空间。需要处理同一个属性相同的数。
#include<iostream>
#include<algorithm>
#include<cstring>
#include<cmath>
#include<iomanip>
#include<vector>
#include<queue>
#include<map>
#include<set>
#include<stack>
#include<bitset>
//#include<random>
//#include<bits/stdc++.h>
using namespace std;
#define ll long long
#define pii pair<int,int>
bitset<100020>a[8010];
int s[5][100020];
int p[5][100020];
void solve(){int n,K;cin>>n>>K;for(int i=1;i<=n;i++){for(int j=1;j<=3;j++){cin>>s[j][i];}}for(int i=1;i<=n;i++)for(int j=1;j<=3;j++)p[j][i]=i;for(int j=1;j<=3;j++){sort(p[j]+1,p[j]+1+n,[&](int x,int y){return s[j][x]<s[j][y];});}vector<int>ans(n+1,0),cnt(n+1,0);for(int q=1;q<=n;q+=8000){int P=q-1,len=min(8000,n-q+1);for(int i=1;i<=len;i++)a[i].set();for(int j=1;j<=3;j++){bitset<100020>b;b.reset();for(int i=1;i<=n;i++){int k=i;for(k=i;k<=n&&s[j][p[j][i]]==s[j][p[j][k]];k++){b.set(p[j][k]);}for(k=i;k<=n&&s[j][p[j][i]]==s[j][p[j][k]];k++){if(p[j][k]>P&&p[j][k]<=P+len)a[p[j][k]-P]&=b;}i=k-1;}}for(int i=1;i<=len;i++)ans[a[i].count()-1]++;}// for(int i=1;i<=n;i++)ans[cnt[i]]++;for(int i=0;i<n;i++)cout<<ans[i]<<'\n';
}
int main(){ios::sync_with_stdio(false);cin.tie(0),cout.tie(0);int t=1;// cin>>t;while(t--)solve();return 0;
}
相关文章:
cdq+bitset处理高维偏序
高维偏序 CDQ分治 假设处理的区间为 [ l , r ] [l,r] [l,r] ,CDQ分治的过程: 如果 l ≥ r l\geq r l≥r ,返回。设区间中点为 m i d mid mid ,递归处理 [ l , m i d ] [l,mid] [l,mid] 和 [ m i d 1 , r ] [mid1,r] [mid…...
敏捷开发和传统开发,你更适合哪种?
时间:2024年 10月 03日 作者:小蒋聊技术 邮箱:wei_wei10163.com 微信:wei_wei10 音频:喜马拉雅 大家好,欢迎来到“小蒋聊技术”,我是小蒋!今天我们来聊聊两个开发模式的“对决”…...
python之with
with上下文管理是什么呢? 一般都是使用系统提供的一些with语句,列如我要去读取一些数据进行分析,就可以使用with open去读取某些数据,或者我要把一些图片给他保存到某些地方,可以用with给他写入。 上下午管理器with是…...
vue3 升级实战笔记
最近要将公司项目的移动端进行 vue3 的升级工作,就顺便记录下升级过程。 项目迁移的思路 我的想法是最小改动原则。 从 vue2.x 升级到 vue3,且使用 vue3 的 选项式 API。构建工具要从 vue-cli(webpack)升级到 vite。路由需要升级到…...
利用函数模块化代码实操 ← Python
【知识点】 ● 模块化可以使代码易于维护和调试,并且提高代码的重用性。 ● 函数可以用来减少冗余的代码并提高代码的可重用性。函数也可以用来模块化代码并提高程序的质量。 ● 在 Python 中,可以将函数的定义放在一个被称为模块的文件中,这种文件的后缀…...
Java高效编程(12):重写toString方法
解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界 尽管 Object 类提供了 toString 方法的默认实现,但它返回的字符串通常不是类的使用者想要看到的。默认返回的字符串格式是类名加上“”符号和哈希码的十六进制表示,例如 PhoneNu…...
谷歌给到的185个使用生成式AI的案例
很多公司从利用AI回答问题,进而使用AI进行预测,向使用生成式AI Agent转变。AI Agent的独特之处在于它们可以采取行动以实现特定目标,比如引导购物者找到合适的鞋子,帮助员工寻找合适的健康福利,或在护理人员交接班期间…...
程序员如何通过专业与软技能提升核心竞争力
一、引言 随着AIGC的兴起,AI辅助编程工具如chatgpt、midjourney、claude等接二连三地涌现,编程领域的变革正逐步深化。面对这一变革,程序员们对于未来工作的前景有着种种不同的担忧和期待。他们担心AI可能取代部分编程工作,同时…...
基于YOLOv8的智能植物监测机器人
摘要:针对传统的植物病害检测方法依赖专家的经验,耗时耗力,并且准确性受限于个人的水平等问题。文中提出无线通信模块采用HTTP协议来传输数据图片,采用SoC核心处理器实现了便携化,采用对射式红外避障传感器实现自动避障功能。以YOLOv8算法为控制核心,并添加注意力机制以提…...
2024年OpenAI DevDay发布实时 API、提示缓存等新功能
就在几天前,一些重要人物如前 CTO Mira Murati 离开了 OpenAI。因此,看到 Sam Altman 在 DevDay 上登台,讨论开发者的新产品,感觉有点奇怪。 随着公司内部的这些变化,你不禁会想:我们还应该信任他吗&#…...
Raspberry Pi3B+之安装bookworm+Rpanion系统
Raspberry Pi3B之安装bookwormRpanion系统 1. 源由2. 系统安装3. 系统安装3.1 烧录系统3.2 设备接线3.3 配置无线3.4 更新系统3.5 安装git3.6 克隆Rpanion3.7 安装Rpanion 4. 系统管理5. 附录问题1:error: externally-managed-environment问题2:bookworm…...
无人机专业除理论外,飞手执照、组装、调试实操技术详解
无人机专业的学习除了丰富的理论知识外,飞手执照的获取、无人机的组装与调试等实操技术也是至关重要的。以下是对这些方面的详细解析: 一、无人机飞手执照 1. 必要性 法规要求:根据《民用无人驾驶航空器系统驾驶员管理暂行规定》等相关法规…...
【网路通信基础与实践番外二】TCP协议的流量控制和拥塞控制以及二者区别和例题
TCP协议是端对端的协议,因此在数据进行传输的过程受发送方,数据通道,接收方三方状态的影响。我们用水龙头来比喻数据发送方,水管来比喻数据通道,水桶来表示数据接收方。 图(a)表示水桶太小,来不及接受注入…...
SpringBoot3+Vue3开发后台管理系统脚手架
后台管理系统脚手架 介绍 在快速迭代的软件开发世界里,时间就是生产力,效率决定成败。对于构建复杂而庞大的后台系统而言,一个高效、可定制的后台脚手架(Backend Scaffold)无疑是开发者的得力助手。 脚手架 后台脚…...
OpenFeign微服务部署
一.开启nacos 和redis 1.查看nacos和redis是否启动 docker ps2.查看是否安装nacos和redis docker ps -a3.启动nacos和redis docker start nacos docker start redis-6379 docker ps 二.使用SpringSession共享例子 这里的两个例子在我的一个博客有创建过程,…...
【C语言】数组(下)
【C语言】数组(下) 6、二维数组的创建6.1二维数组的概念6.2二维数组的创建 7、二维数组的初始化7.1不完全初始化7.2完全初始化7.3按照行初始化7.4初始化时可以省略行,但是不能省略列 8、二维数组的使用8.1 二维数组的下标8.2二维数组的输入和…...
cGANs with Projection Discriminator
基于映射鉴别器的CGAN 模型中,判别器(Discriminator)不是通过将条件信息简单地与特征向量拼接(concatenate)来使用条件信息,而是采用一种基于投影的方式,这种方式更加尊重条件信息在底层概率模…...
mysql学习教程,从入门到精通,SQL HAVING 子句(32)
1、SQL HAVING 子句 当然!HAVING 子句在 SQL 中用于对分组后的结果进行过滤。它通常与 GROUP BY 子句一起使用,以便对聚合函数(如 SUM(), COUNT(), AVG(), MAX(), MIN() 等)的结果进行条件筛选。 以下是一个示例,假设…...
JavaScript while循环语句
While语句包括一个循环条件和一段代码块,只要条件为真,就不断循环执行代码块。 while(条件){语句;} var i0;while(i<100){console.log(i);i1;} 注意:所有的for循环都可以改写为while循环...
49天精通Java(Day 2):Java的基本语法
上期内容回顾 在上一期的内容中,我们介绍了Java的基本概念、历史背景,并完成了JDK 1.8的安装与环境配置。你还编写并运行了第一个简单的Java程序“Hello, World!”。今天,我们将深入探讨Java的基本语法,包括变量、数据类型、运算…...
解决Ubuntu22.04 VMware失败的问题 ubuntu入门之二十八
现象1 打开VMware失败 Ubuntu升级之后打开VMware上报需要安装vmmon和vmnet,点击确认后如下提示 最终上报fail 解决方法 内核升级导致,需要在新内核下重新下载编译安装 查看版本 $ vmware -v VMware Workstation 17.5.1 build-23298084$ lsb_release…...
解锁数据库简洁之道:FastAPI与SQLModel实战指南
在构建现代Web应用程序时,与数据库的交互无疑是核心环节。虽然传统的数据库操作方式(如直接编写SQL语句与psycopg2交互)赋予了我们精细的控制权,但在面对日益复杂的业务逻辑和快速迭代的需求时,这种方式的开发效率和可…...
ESP32 I2S音频总线学习笔记(四): INMP441采集音频并实时播放
简介 前面两期文章我们介绍了I2S的读取和写入,一个是通过INMP441麦克风模块采集音频,一个是通过PCM5102A模块播放音频,那如果我们将两者结合起来,将麦克风采集到的音频通过PCM5102A播放,是不是就可以做一个扩音器了呢…...
Psychopy音频的使用
Psychopy音频的使用 本文主要解决以下问题: 指定音频引擎与设备;播放音频文件 本文所使用的环境: Python3.10 numpy2.2.6 psychopy2025.1.1 psychtoolbox3.0.19.14 一、音频配置 Psychopy文档链接为Sound - for audio playback — Psy…...
大模型多显卡多服务器并行计算方法与实践指南
一、分布式训练概述 大规模语言模型的训练通常需要分布式计算技术,以解决单机资源不足的问题。分布式训练主要分为两种模式: 数据并行:将数据分片到不同设备,每个设备拥有完整的模型副本 模型并行:将模型分割到不同设备,每个设备处理部分模型计算 现代大模型训练通常结合…...
学校时钟系统,标准考场时钟系统,AI亮相2025高考,赛思时钟系统为教育公平筑起“精准防线”
2025年#高考 将在近日拉开帷幕,#AI 监考一度冲上热搜。当AI深度融入高考,#时间同步 不再是辅助功能,而是决定AI监考系统成败的“生命线”。 AI亮相2025高考,40种异常行为0.5秒精准识别 2025年高考即将拉开帷幕,江西、…...
Redis的发布订阅模式与专业的 MQ(如 Kafka, RabbitMQ)相比,优缺点是什么?适用于哪些场景?
Redis 的发布订阅(Pub/Sub)模式与专业的 MQ(Message Queue)如 Kafka、RabbitMQ 进行比较,核心的权衡点在于:简单与速度 vs. 可靠与功能。 下面我们详细展开对比。 Redis Pub/Sub 的核心特点 它是一个发后…...
CSS设置元素的宽度根据其内容自动调整
width: fit-content 是 CSS 中的一个属性值,用于设置元素的宽度根据其内容自动调整,确保宽度刚好容纳内容而不会超出。 效果对比 默认情况(width: auto): 块级元素(如 <div>)会占满父容器…...
深度学习水论文:mamba+图像增强
🧀当前视觉领域对高效长序列建模需求激增,对Mamba图像增强这方向的研究自然也逐渐火热。原因在于其高效长程建模,以及动态计算优势,在图像质量提升和细节恢复方面有难以替代的作用。 🧀因此短时间内,就有不…...
现有的 Redis 分布式锁库(如 Redisson)提供了哪些便利?
现有的 Redis 分布式锁库(如 Redisson)相比于开发者自己基于 Redis 命令(如 SETNX, EXPIRE, DEL)手动实现分布式锁,提供了巨大的便利性和健壮性。主要体现在以下几个方面: 原子性保证 (Atomicity)ÿ…...
