博客
关于我
Codeforces Global Round 13 C. Pekora and Trampoline(思维/差分)
阅读量:327 次
发布时间:2019-03-04

本文共 1346 字,大约阅读时间需要 4 分钟。

要解决这个问题,我们需要找到将所有蹦床的弹力值减少到1所需的最少跳跃次数。以下是详细的解决步骤:

解题思路

  • 左到右遍历:我们从左到右逐个处理每个蹦床。左边的蹦床跳跃可以为右边的蹦床免费减少弹力值,这是减少跳跃次数的关键。
  • 计算跳跃次数:对于每个蹦床i,计算它本身需要跳跃的次数。如果s_i + i超过n,则只需将s_i减少到n - i。否则,需要考虑跳跃次数。
  • 差分数组维护:使用一个差分数组来维护每个跳跃对后续点的影响,避免直接模拟所有跳跃,提高效率。
  • 累加贡献:通过扫描差分数组,累加每个点的贡献,最终得到最少的跳跃次数。
  • 代码实现

    #include 
    using namespace std;typedef long long ll;#define ENDL "\n"const int maxn = 5e3 + 10;int a[maxn];ll cnt[maxn];int main() { ios::sync_with_stdio(0); cin.tie(0); cout.tie(0); int t, n; cin >> t; while (t--) { cin >> n; for (int i = 1; i <= n; i++) a[i] = 0; ll ans = 0; for (int i = 1; i <= n; i++) { cnt[i] += cnt[i - 1]; int res = 0; if (i + a[i] > n) { res += i + a[i] - n; a[i] = n - i; } res += a[i] - 1; if (cnt[i] > res) { cnt[i + 1] += cnt[i] - res; cnt[i + 2] -= cnt[i] - res; cnt[i + 2]++; cnt[i + a[i] + 1]--; } ans += max(0LL, res - cnt[i]); } cout << ans << ENDL; } return 0;}

    代码解释

  • 输入处理:读取输入数据,初始化变量。
  • 遍历每个蹦床:从左到右处理每个蹦床,维护一个差分数组cnt来记录每个点的贡献。
  • 计算跳跃次数:对于每个蹦床i,计算其需要跳跃的次数res,并更新差分数组。
  • 维护贡献:根据差分数组,更新后续点的贡献,避免重复计算。
  • 累加结果:计算每个点的贡献,累加到答案ans中。
  • 输出结果:输出最终的最少跳跃次数。
  • 这种方法通过差分数组高效地维护了每个跳跃对后续点的影响,确保了算法的高效性和正确性。

    转载地址:http://fvqq.baihongyu.com/

    你可能感兴趣的文章
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    pandas交换两列
    查看>>
    pandas实战:电商平台用户分析
    查看>>
    pandas打乱数据的顺序
    查看>>
    pandas改变一列值(通过apply)
    查看>>
    Pandas数据分析的环境准备
    查看>>
    Pandas数据可视化怎么做?用实战案例告诉你!
    查看>>
    Pandas数据处理与分析教程:从基础到实战
    查看>>
    Pandas数据结构之DataFrame常见操作
    查看>>