当前位置: 首页 > news >正文

CF 做题记录(12月)

CF2172B Buses

首先我们可以转换参考系,以公交车为参考系,问题变成一个追及问题,容易发现最优策略是人不断往终点走,遇到公交车就坐上

\(s-t\) 图(\(s\) 为到终点的距离),那么每辆公交车的速度为 \(0\),相当于一条平行于 \(x\) 轴的线段,终点的运动图像为一条斜率为 \(x\),过原点的直线

考虑人的图像,\(y\) 轴截矩是 \(L - p\),斜率是 \(x - y\),那么,每当这条直线与一条线段相交时,就会沿线段走到末端,再继续上升,直到与 \(s = xt\) 相交,这样就可以递推

所以,我们就要求两个东西:与 \(s - s_0 = (x-y)(t - t_0)\) 相交的纵坐标最小的线段(公交车),以及直线与 \(s = xt\) 的交点

第二个是好求的,来看第一个

设满足条件的线段右端点为 \((a, b)\)

那么,该线段一定高于直线的出发点,即 \(b \ge s_0\)

并且,要有交点,即 \((x-y)(a - t_0) + s_0 \ge b\),移项同构,得 \((x-y)a - b \ge (x-y)t_0 - s_0\)

将每辆公交车对应的线段按纵坐标从达到小排序,\(L_i = (t_i, s_i)\),为线段右端点,记 \(f(i) = (x - y)t_i - s_i\)

那么上述条件等价于求满足 \(j < i, f(j) \ge f(i)\) 的最大的 \(j\),这个可以用单调栈做

于是就可以愉快地递推解决了

CF2171E Anisphia Wynn Palettia and Good Permutations

首先,看到互质,先考虑奇偶性,所以我们考虑让每三个数里面都有两个偶数,即构成

奇 偶 偶 奇 偶 偶 奇 ......

的结构

但是,很容易发现偶数是不够用的,那么具体不够用到什么程度呢?我们可以粗略估计一下

每两个偶数都可以带上一个奇数,所以总共能够带上 \(n / 4\) 个奇数,还有剩下 \(n / 4\) 个数留在末尾

所以,问题在于中间两个数不太够用,这时我们想到,可以寻找偶数的替代品,其实,只要中间两个数有公因数即可,所以可以利用 \(3\) 的倍数。

那么,我们现在可以利用的数就是 \(3\) 的倍数或偶数,这样的数共有约 \(\frac{2}{3}n\) 个,根据上面的分析,一共能带上约 \(n/3\) 个除此之外的数,这样就够了

题目中所说的 \(6\) 个容错位置主要就是给不能刚好匹配够,以及 偶数 与 三的倍数 交界的地方

CF2165C Binary Wine

首先容易发现,每个 \(b_i\) 两两之间一定没有重复的位,这样肯定更优

所以现在就是要把 \(c\) 的每一位分配到一个 \(a_i\) 上,使得总代价最小

首先从大到小考虑有值的位,那么肯定选择最大的数分配给它,这个可以根据邻项交换证明,然后分配后就变成了一个 \(c\) 更小,\(a\) 不同的子问题

那么用优先队列实现就可以了

CF2165B Marble Council

http://www.jsqmd.com/news/155389/

相关文章:

  • STUN协议:NAT穿透的核心技术与应用实践
  • YOLO在文物修复的应用:破损区域智能识别辅助
  • 给老公改个嘎嘎甜的备注
  • Springboot新冠检测信息管理系统10m6v(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
  • YOLO模型训练资源使用报表:月度统计与成本分摊
  • YOLO与Jaeger分布式追踪集成:定位跨服务调用问题
  • python,如果定义了await funa()函数,哪几种情况下可以启动函数?
  • InfiniBand 网络管理探秘:子网管理器如何发现硬件并分配网络地址
  • GEO贴牌代理赋能AI搜索推荐,让品牌在智能问答中优先展现 - 源码云科技
  • YOLO模型灰度版本监控大盘:一站式观测核心指标
  • YOLO模型灰度发布期间紧急问题响应机制
  • 最近很火,你却不懂的新梗
  • YOLO与Spinnaker部署平台集成:多环境渐进式发布
  • YOLO模型训练任务依赖管理:有向无环图调度实现
  • YOLO模型灰度发布回滚演练:定期检验应急预案
  • YOLO模型灰度版本灰度结束后的用户通知
  • 计算机毕业设计Python+AI大模型新闻自动分类 新闻预测系统 新闻可视化 新闻爬虫 大数据毕业设计
  • Abaqus复合材料微观单胞RVE模型的周期性网格划分及E11,E22,E33,G12,G13...
  • 在微网的世界里,电能共享是个大话题。今天咱们聊聊如何用非对称纳什谈判来优化多微网间的电能共享,顺便加点代码,让大家感受一下这个高级玩意儿
  • 基于Matlab的MLP多层感知机多输入多输出预测:处理数据集与评估性能
  • YOLO与Kyverno策略引擎集成:K8s安全合规校验
  • 计算机毕业设计Python+AI大模型智能路线规划数据分析与个性化推荐系统 旅游路线推荐系统 旅游路线规划系统 大数据毕业设计
  • YOLO模型缓存雪崩防范:随机过期时间设置技巧
  • 考虑异质偏好的微网/产消者P2P分布式能源交易机制-100%原创代码 摘要:本代码主要做的是分...
  • YOLO目标检测中的注意力机制引入:提升特征提取能力
  • GDKOI 2025 游记
  • YOLO与Argo CD持续交付集成:GitOps模式实践
  • YOLO与Knative无服务器集成:实现事件驱动的推理
  • YOLO目标检测中的小目标识别难题破解思路
  • 新手指南之大纲设定(飞卢)