当前位置: 首页 > news >正文

DMY 周作业 47 简要题解

G

数据结构优化 DP 板。暑假的时候做过,直接离散化 + BIT 就行了。比较无聊就不说了。

#include <bits/stdc++.h>
#define fi first
#define se second
#define eb(x) emplace_back(x)
#define pb(x) push_back(x)
#define lc(x) (tr[x].ls)
#define rc(x) (tr[x].rs)
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
typedef long double ldb;
using pi = pair<int, int>;
const int N = 200005;
const ll inf = 0x3f3f3f3f3f3f3f3f;
int n;
ll a[N], dp[N], lsh[N], cnt;
int lowbit(int x)
{return (x & (-x));
}
struct BIT{ll tr[N];void init(){memset(tr, -0x3f, sizeof(tr));}void update(int p, ll v){while(p <= cnt){tr[p] = max(tr[p], v);p += lowbit(p);}}ll query(int p){ll res = -inf;while(p){res = max(res, tr[p]);p -= lowbit(p);}return res;}
}tr1;
int getid(ll x)
{return (lower_bound(lsh + 1, lsh + cnt + 1, x) - lsh);
}
int main()
{ios::sync_with_stdio(0);cin.tie(0);cout.tie(0);cin >> n;for(int i = 1; i <= n; i++){cin >> a[i];a[i] += a[i - 1];lsh[++cnt] = a[i];}lsh[++cnt] = 0;sort(lsh + 1, lsh + cnt + 1);cnt = unique(lsh + 1, lsh + cnt + 1) - lsh - 1;tr1.init();tr1.update(getid(0), 0);ll premx = 0;for(int i = 1; i <= n; i++){dp[i] = tr1.query(getid(a[i])) + i;premx = max(premx, dp[i]);tr1.update(getid(a[i]), premx - i);}cout << premx;return 0;
}
http://www.jsqmd.com/news/65722/

相关文章:

  • 2025最新西双版纳旅行社TOP5推荐!资源整合+服务升级权威榜单发布,品质赋能重构雨林旅游体验
  • 豆包手机助手遭围剿,网友玩梗“微信OS”若成真,会长啥样?
  • 在Android中动态加载类
  • Flutter for HarmonyOS 创建指南(一):环境搭建与项目创建
  • 2025最新西双版纳地接社TOP5评测!品牌实力+服务口碑权威榜单发布,专业赋能品质旅行体验
  • 详细介绍:[特殊字符] 微前端部署实战:Nginx 配置 HTTPS 与 CORS 跨域解决方案(示例版)
  • Git预提交钩子实现代码美化自动化
  • 五、Java数组
  • 20231427田泽航第十二周预习报告
  • 122_尚硅谷_init函数
  • 《安全测试指南》——会话管理测试【学习笔记】
  • 氛围编程工具个人推荐
  • Windows 11全面AI化:语音助手与自主代理技术解析
  • 20251207
  • MyBatis自定义拦截器
  • 网线大鲨鱼
  • 深入解析:mysql内置函数——了解常用的函数
  • 【P1】win10安装 Docker教程 - 详解
  • csq-蓝桥杯python-基础语法1-逻辑运算与条件语句
  • 高级语言程序设计第八次个人作业
  • Cor1e的支票
  • 卷积神经网络是从多层感知机基础上发展起来的吗?
  • gaussdb json解析
  • 详细介绍:python logging模块:专业日志记录
  • JAX核心设计解析:函数式编程让代码更可控
  • 20232305 2025-2026-1 《网络与系统攻防技术》实验八实验报告
  • 患者投诉管理,是否正面临这些难题?
  • NOIP 游记
  • CF794E Choosing Carrot
  • 澄清:梯度下降优化的是模型参数,而非损失函数本身