内容提要

模拟,贪心


在讲这些东西之前,我们先来了解一个东西:high level

这个东西大体上就是你做题之前要先想清楚自己要写什么,怎么写,然后再写,不要有一点写一点

1.模拟

模拟算法算是很水的算法了

模拟算法的关键就是将人类语言翻译成机器语言

更准确的说是:将一个用日常大白话语言的东西用计算机语言抽象地表达出来

所以想要良好地掌握模拟算法,就要做到以下两点:

1.优秀的读题能力;

2.优秀的代码能力;

例:斗地主

High Level

手里有n张牌

有k个规则(k<?),每个规则可以打出一定的牌

请问最少要打出多少次牌

显然是个明显的深搜

void dfs(剩下多少张牌没打last,打了多少次牌ans)
{
if(last==) 规则1
规则2
......
规则k
}

这个题主要还是比较考验码力

写码一时爽,调试火葬场

注意:

善用子函数

变量名清晰,自己要明白是什么东西

善用high level

想一想用到每个输入的地方有多少可能,需不需要特判之类的

有一个小故事

一个程序员发布了一个程序,随后他收到了5个bug

他尝试为程序写了4个补丁去修复这5个bug,他成功了

于是他现在有9个bug

QwQ

写长代码的要领就在于一遍写对

1.模块化(如何思考一个问题)

2.没想清楚时不动键盘,画程序逻辑图

3.写完一部分就检查一部分

平时做题的时候要注意习惯,尽量一遍ac

善于出数据,对拍之类的

贪心:

贪心算法的数学原理:

大胆猜想无需证明(划掉)

局部最优得到全局最优

在每一个状态下,都选择当前的最优解而不考虑全局的影响

爬山算法能较好地体现贪心的思想

可以用贪心

如果长成这样,就会 陷入 局部最优解

贪心算法要满足两个条件:1.无后效性 2.不会陷入局部最优解

根据贪心的数学背景我们在做贪心题目时一般有两种策略

  1. 把一个问题划分成很多子问题,对每个子问题直接求最优解,然后合成一个最优解
  2. 对于当前局面,搜索所有可能的临近局面,选择最优的局面进行转移

贪心与其说是一个算法,不如说是一种思想。

贪心一般都用于求解最优化问题,但是最优化问题还有很多算法,不如动规和搜索、

贪心最重要的一点就是反例。一般做题过程就是在思考规律->寻找反例->找到算法或者是重新思考的循环种度过

所以要多做题积累经验和感觉

贪心策略:买便宜的直到个数上限,然后再买其他的

首先考虑前缀和

然后这个题如果不取模是很好做的,加上取模则有两种情况

  1. x-y(y<=x)
  2. X+M-y(y>x)

第一种情况,y越接近0越好

第二种情况,y越接近x越好

用set+upper_bound就ok

经典的活动安排问题

按照结束点从小到大排序,遍历每一个区间,如果没有和已经选择的活动冲突就选,否则就不选

另一道经典例题:喷水装置

先把他按照和草坪相切的点抽象成一个数轴上面的一些线段

然后变成了线段覆盖问题

将所有的区间按左端点从小到大排序,依次处理每一个区间,每次选择覆盖点s的区间中右端点最大的一个,直到区间已经包含了这个区间内所有的点为止

另一道例题

这个题可以以每个岛屿为圆心,以雷达半径为半径,和海岸线上有交点,然后跑区间选点

按照右端点从小到大排序,遍历每个区间,如果已经有点包含就转到下一个区间,否则选择最后一个点标记

下一道

首先,先把杀掉能回血的先杀了

显然杀的顺序按照消耗升序

杀完以后,不管用什么顺序杀掉剩下的怪,最后体力last是确定的

倒序来看,相当于将血药吐出来然后返还杀怪的消耗,那么显然也是按照损失体力(即血药回血量)升序,正回来即是降序。

即分为两部分,杀完能回血的按照消耗升序,剩余按血药回血量降序,然后模拟一遍判断是否合法即可

找到不超过它的最大的阶乘数然后减去就行了

其实十进制编码和转二进制编码差不多

把前k个数最大的提到最前面去,完了

这个题就是按照左右手乘积从小到大排序就可以了

证明:考虑只交换相邻两个i,i+1,则他们之前和之后的大臣拿到的金币都不变,我们只需考虑这两个大臣本身

首先我们设这两个大臣一个为i,另一个为i+1,且l[i]*r[i]<l[i+1]*r[i+1]

交换之前i大臣拿到的金币:S/r[i],i+1大臣拿到的金币:S*l[i]/r[i+1],两个取max

即max(S/r[i],S*l[i]/r[i+1])

交换之后i+1大臣变成了i,他拿到的金币:S/r[i+1]

第i大臣变成了i+1大臣,他拿到的金币S*l[i+1]/r[i],两个取max

即max(S/r[i+1],S*l[i+1]/r[i])

我们要求的是两者的最小值,即min(max(S/r[i],S*l[i]/r[i+1]),max(S/r[i+1],S*l[i+1]/r[i]) )

提出S,即S*min( max(1/r[i],l[i]/r[i+1]),max(1/r[i+1],l[i+1]/r[i]) )

然后我们显然有1/r[i]<l[i+1]/r[i],l[i]/r[i+1]>1/r[i+1]

如果我们想要max(1/r[i+1],l[i+1]/r[i])<max(1/r[i],l[i]/r[i+1]),则必然有l[i+1]/r[i]<l[i]/r[i+1],乘过去之后即得l[i]*r[i]>l[i+1]*r[i+1],与题目矛盾,故乘积大的一定在前面

qbzt day1 上午的更多相关文章

  1. PKUSC 模拟赛 day1 上午总结

    思考了一下第二题,觉得有无数种乱搞做法 类似什么bitset压位,MCS染色之类奇怪的做法 然而都是玄学正确性或者玄学复杂度 先放题解把 第一题显然具有单调性,二分就可以啦 O(nlogn),貌似输出 ...

  2. Day1上午解题报告

    预计分数:100+60+0=160 实际分数:100+30+20=150 T1立方数(cubic) 题目描述 LYK定义了一个数叫“立方数”,若一个数可以被写作是一个正整数的3次方,则这个数就是立方数 ...

  3. 云栖大会day1 上午

    参与云栖大会第一天感受 早晨参与内容 数据智能实践专场 议程是 09:00-09:25 互联网下半场用户增长之路 吕志国 [友盟+]CPO 09:25-09:50 数据开启智慧零售的升级引擎 刘延明 ...

  4. qbzt day7上午

    由于优盘咕咕咕了,所以这篇就咕咕咕了 以后还会补上的 qwq

  5. qbzt day6 上午

    还是合并石子,但是这次可以任意两个合并,并且求最大异或和 f[s]表示把s所对应的的石子合并为一堆的最小代价 最后求f[2^n-1] 怎么转移? 最后一次也是把两堆合并成一堆,但是会有很多情况,可以枚 ...

  6. qbzt day5 上午

    动态规划 递推  递归   记忆化搜索 斐波那契数列 1.用其他已经计算好的结果计算自己的结果(递推) 2.用自己的值计算别人的值(考虑对之后的项做出的贡献) cin >> n; f[]= ...

  7. qbzt day4 上午

    图论 最短路:dijkstra   spfa   floyd 最小生成树:kruskal 连通性:bfs/dfs    tarjan(强连通分量) 其它:拓扑排序    LCA 齿轮: 图的dfs树只 ...

  8. qbzt day3 上午

    内容提要 堆 lca(最近公共祖先) st表 hash 并查集 树状数组 线段树 数据结构 1.堆 Priority_queue 他滋兹:插入删除查询最大值(最小值) 分为大根堆小根堆 2.LCA 首 ...

  9. qbzt day2 上午

    内容提要 贪心 分治 分块 搜索 接着昨天的讲 过河问题 考虑AB是最快的人,CD是最慢的人,要把CD两个人送过河,只有两种方案,牵扯到四个人,并且n个规模的原问题化成了n-2个规模的子问题 那么最后 ...

随机推荐

  1. tensorflow学习笔记二----------变量

    tensorflow里面的变量表示,需要使用特定的语法进行.如果想构造一个行(列)向量,需要调用Variable函数进行.对两个变量进行操作,也要调用相应的函数. import tensorflow ...

  2. Python 数据分析:Pandas 缺省值的判断

    Python 数据分析:Pandas 缺省值的判断 背景 我们从数据库中取出数据存入 Pandas None 转换成 NaN 或 NaT.但是,我们将 Pandas 数据写入数据库时又需要转换成 No ...

  3. 简单的物流项目实战,WPF的MVVM设计模式(一)

    新建一个WPF项目,命名为WMS 然后分别新建文件夹,Data,Models,Views,ViewModels,Services,如下图所示 然后通过NuGet安装连个Nuget包,分别为SQLite ...

  4. webpack output的path publicPath

    path是用来定义入口文件保存的地址,而publicPath是定义非入口文件需要抽离保存的第三方文件的保存地址 vue-cli 中HtmlWebpackPlugin生成html,都会存在path路径上 ...

  5. Django框架简易图

  6. 关于通过ip或者域名直接访问工程的问题

    1. 上篇文章 在无界面centos7上部署jdk和tomcat 里介绍了在阿里服务器上部署javaweb工程,在部署完成后,我们需要通过 ip/域名:端口 的方式访问tomcat,但是在实际项目中, ...

  7. oracle汇编01

    1: / define numeric label "1"one: / define symbolic label "one"/ ... assembler c ...

  8. adam优化

    AdaGrad (Adaptive Gradient,自适应梯度) 对每个不同的参数调整不同的学习率, 对频繁变化的参数以更小的步长进行更新,而稀疏的参数以更大的步长进行更新. gt表示第t时间步的梯 ...

  9. 二进制sersync部署安装

    一.为什么要用rsync+sersync架构? 1.sersync是基于inotify开发的,类似于inotify-tools的工具 2.sersync可以记录下被监听目录中发生变化的(包括增加.删除 ...

  10. SpringBoot---Kafka

    1.实战 <!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka --> <dependency> < ...