AT2160 へんなコンパス / Manhattan Compass
传送门
乍一看像是一个计算几何,然后想到了BFS,但是苦于无奈\(O(n^2)\)不会优化
然后以下参考zjq_shadow大佬的思路
显然发现曼哈顿距离很麻烦,除了暴力枚举貌似没什么很好的办法
考虑将坐标轴旋转\(45^\circ\),然后就可以将曼哈顿距离转化为切比雪夫距离,坐标为\((x,y)\)的点坐标就变为\((x+y,x-y)\)
那么对于\(x1,y1\)要求的\(x2,y2\),需满足
|y1-y2|<=dis
\]
或者
|x1-x2|<=dis
\]
然后就可以排序,排序之后每个点对应的就是一段区间了
但是这样并不好统计答案,所以考虑转化一下问题
我们可以把满足条件的点对都连边,这样的话答案就是\(a\)和\(b\)所在的联通块的点的度数和
然后暴力连边复杂度依然爆炸
考虑到相邻的点对应的区间差别不大,去连重复的区间里的点显然没意义,所以记下一个上次连的最后一个点\(pos\),每次从\(pos\)开始连边就好了
有一个小细节:观察上面的两种情况,对于第一种情况,如果算了\(|y1-y2|=dis\),在第二种情况中再算\(|x1-x2|=dis\)是会重复计算的,所以要处理一下
代码:
#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
void read(int &x){
char ch;bool ok;
for(ok=0,ch=getchar();!isdigit(ch);ch=getchar())if(ch=='-')ok=1;
for(x=0;isdigit(ch);x=x*10+ch-'0',ch=getchar());if(ok)x=-x;
}
#define rg register
const int maxn=1e5+10;bool vis[maxn];
int n,a,b,len,sum[maxn],pre[maxn*10],nxt[maxn*10],h[maxn],cnt;
long long ans;
struct oo{int x,y,id;}s[maxn];
void add(int x,int y){
pre[++cnt]=y,nxt[cnt]=h[x],h[x]=cnt;
pre[++cnt]=x,nxt[cnt]=h[y],h[y]=cnt;
}
bool cmp(oo a,oo b){return a.x==b.x?(a.y<b.y):a.x<b.x;}
void solve(int dis){
sort(s+1,s+n+1,cmp);
int l=1,r=0,pos=1;
for(rg int i=1;i<=n;i++){
while(l<n&&(s[l].x<s[i].x-len||(s[l].x==s[i].x-len&&s[l].y<s[i].y-dis)))l++;
while(r<n&&(s[r+1].x<s[i].x-len||(s[r+1].x==s[i].x-len&&s[r+1].y<=s[i].y+dis)))r++;
sum[s[i].id]+=r-l+1;pos=max(pos,l);
while(pos<=r)add(s[i].id,s[pos].id),pos++;
pos--;
}
}
void dfs(int x){
vis[x]=1;ans+=sum[x];
for(rg int i=h[x];i;i=nxt[i])
if(!vis[pre[i]])dfs(pre[i]);
}
int main(){
read(n),read(a),read(b);
for(rg int i=1,x,y;i<=n;i++){
read(x),read(y),s[i].id=i;
s[i].x=x+y,s[i].y=x-y;
}
len=max(abs(s[a].x-s[b].x),abs(s[a].y-s[b].y));
solve(len);
for(rg int i=1;i<=n;i++)swap(s[i].x,s[i].y);
solve(len-1),dfs(a);
printf("%lld\n",ans);
}
AT2160 へんなコンパス / Manhattan Compass的更多相关文章
- [arc065E]Manhattan Compass[曼哈顿距离和切比雪夫距离转换]
Description 传送门 Solution 题目要求的是曼达顿距离,对于每个点(x,y),我们把它变为(x-y,x+y),就可以转换成求切比雪夫距离了. 证明如下:$max(\left | (x ...
- Arc065_E Manhattan Compass
平面上有$N$个点$(X_i\space, Y_i)$,定义$D(a,b)=|X_a-X_b|+|Y_a-Y_b|$. 如果你当前在$(p,q)$,这个无序二元组(即$(p,q)$和$(q,p)$被认 ...
- AtCoder 瞎做
目录 ARC 058 E - 和風いろはちゃん / Iroha and Haiku 题意 题解 技巧 代码 ARC 059 F - バイナリハック / Unhappy Hacking 题意 题解 技巧 ...
- NOIp2018模拟赛三十八
爆〇啦~ A题C题不会写,B题头铁写正解: 随手过拍很自信,出分一看挂成零. 若要问我为什么?gtmdsubtask! 神tm就一个subtask要么0分要么100,结果我预处理少了一点当场去世 难受 ...
- 【AtCoder】ARC065
ARC065 C - 白昼夢 / Daydream 直接递推就好 #include <bits/stdc++.h> #define fi first #define se second # ...
- Sass之坑Compass编译报错
前段时间在使用Compass时遇到了其为难处理的一个坑,现记录到博客希望能帮助到各位. 一.问题: 利用Koala或者是gulp编译提示如下,截图为koala编译提示错误: 二.解决办法 从问题截图上 ...
- compass reset和layout [Sass和compass学习笔记]
reset 可以重置浏览器的的html的默认样式,因为各个浏览器对有些元素解析差别很大 通过重置样式可以让样式的浏览器兼容 更简单 使用方法简单 @import "compass/reset ...
- 分享15款很实用的 Sass 和 Compass 工具
Sass 是 CSS 的扩展,增加了嵌套规则,变量,混入功能等很多更多.它简化了组织和维护 CSS 代码的成本.Compass 是一个开源的 CSS 框架,使得使用 CSS3 和流行的设计模式比以往任 ...
- SASS+COMPASS 自适应 学习笔记
来源 http://snugug.github.io/RWD-with-Sass-Compass/#/ 1 安装 COMPASS 扩展 安装 方式 gem 'extension', '~>X.Y ...
随机推荐
- QWidget上下文菜单处理函数
QWidget类是Qt中所有可视化部件的基类,其很多函数都是虚函数,能被子类重写以表现不同形式和功能,今天来学习一下QWdiget的事件处理函数. 事件是鼠标.键盘或系统因其自身某些状态发生改变而引起 ...
- 属性成员是isXxx时对应的get方式是isXxx,前台jsp取不到这个属性值
最近在项目中无意设置的boolean变量值为isXxx,用eclipse生成相应的set和get方法,eclipse生成的的boolean类型的get方法为isXxx,前台导致取不到相应的值 publ ...
- FEC之我见四
接上文,来详细的说明一下FEC前向纠错的具体实现: FEC_matrix是一个比较常用的算法,Vandermonde,范德蒙矩阵是法国数学家范德蒙提出的一种各列为几何级数的矩阵. 范德蒙矩阵的定义: ...
- BZOJ4756:[USACO2017JAN]Promotion Counting
浅谈线段树合并:https://www.cnblogs.com/AKMer/p/10251001.html 题目传送门:https://lydsy.com/JudgeOnline/problem.ph ...
- nginx实现防盗链配置方法介绍
有些朋友觉得防盗链就是防止图片,其实有很多东西要进行防盗链了,下面我来介绍在nginx中实现防盗链配置方法有对图片防盗链与下载资源等. 防盗链配置 假设网站域名是 www.php100.com. 编辑 ...
- JSP介绍(4)--- JSP 过滤器
过滤器是可用于 Servlet 编程的 Java 类,可以实现以下目的: 在客户端的请求访问后端资源之前,拦截这些请求. 在服务器的响应发送回客户端之前,处理这些响应. 过滤器通过 Web 部署描述符 ...
- asp中实现lable自动换行
asp中实现lable自动换行 因为在用Label标签显示内容时,内容太多,想实现自动换行.我们知道在WINFORM中程序中,有一个属性是AUTOSIZE 改成FALSE 是可以实现的.但是在ASP. ...
- C语言入门题
1. 如下语句通过算术运算和逻辑运算之后 i 和 j 的结果是() int i=0; int j=0; if((++i>0)||(++j>0 ...
- docker里安装ubuntu
使用 Ubuntu 官方镜像 Ubuntu 相关的镜像有很多,这里使用 -s 10 参数,只搜索那些被收藏 10 次以上的镜像 $ docker search -s 10 ubuntu NAME DE ...
- 并行fp-growth图解(mahout)
FP-growth Apriori算法的一个主要瓶颈在于,为了获得较长的频繁模式,需要生成大量的候选短频繁模式.FP-Growth算法是针对这个瓶颈提出来的全新的一种算法模式.目前,在数据挖掘领域,A ...