三維偏序 -- cdq 套 cdq

似乎題解區并沒有 cdq 套 cdq 的作法,剛好今天講了,就來寫一發。

題意與記號

題目講的很清楚了。此方法并沒有樹狀數組好想也沒有其高效,但能很方便擴展。下文記原序列為 ddd,將每個點拆分成點與詢問,內部增加一個名為 ididid 的數據,若其為 ?1-1?1,則是點,否則是詢問。

使用類 c++ 數組的書寫方式,否則角標太復雜實在不好看。下文先講二維再講三維。

二維偏序

先對 xxx 維排序,再分治 yyy 維,每一次分治中點為 midmidmid 的區間 [l,r)[l,r)[l,r),我們都能保證,也必須保證 d[a].x≤d[b].xd[a].x\le d[b].xd[a].xd[b].xa∈[l,mid)a\in[l,mid)a[l,mid)b∈[mid,r)b\in[mid,r)b[mid,r)
L={d[l],d[l+1],d[l+2],…?}????????????????????????????????????????????????↑R={d[mid],d[mid+1],…?}????↑ L=\{d[l],d[l+1],d[l+2],\dots \} \\ \!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\! \uparrow \\ R=\{d[mid],d[mid+1],\dots \} \\ \!\! \uparrow L={d[l],d[l+1],d[l+2],}R={d[mid],d[mid+1],}
我們對兩邊同時向后處理(并非同步),我們正在處理 d[a]d[a]d[a]d[b]d[b]d[b],其中 d[a].id=?1d[a].id=-1d[a].id=?1d[b].id≠?1d[b].id\ne-1d[b].id=?1(其它情況不用考慮)。

如果 d[a].y≤d[b].yd[a].y\le d[b].yd[a].yd[b].y,由于分治,LLLRRR 內以 yyy 為關鍵字肯定是有序的,所以 d[a′].y≤d[b′].yd[a'].y\le d[b'].yd[a].yd[b].ya′∈[l,a]a'\in[l,a]a[l,a]b′∈[b,r]b'\in[b,r]b[b,r]

所以此時我們便可以記錄 d[a]d[a]d[a] 的貢獻(這里是 111),并將 d[a]d[a]d[a] 扔到歸并排序的輔助數組里, a←a+1a \leftarrow a+1aa+1

同理,如果 d[a].y>d[b].yd[a].y > d[b].yd[a].y>d[b].y,我們直接由之前的貢獻總和便可以計算答案,并將 d[b]d[b]d[b] 扔到歸并排序的輔助數組里,b←b+1b\leftarrow b+1bb+1

三維偏序

進入正題,仿照上面的方法,在第一次 cdq 內部,每一層再執行另一種 cdq(cdq2),如果我們能保證 LLLRRR 內部同時關于 xxxyyy 有序就好了,可是我們在分治的過程中必然會將 xxx 打亂,如果有一種方法,能告訴我們 xxx 曾經在哪邊,便能夠解決這個問題。

也就是說:我們只想要曾經(xxx 維)在左邊點的對右邊詢問的做貢獻。

為此,我們擴展 ddd,加入一個名為 tagtagtag 的數據表示在當層是在左邊還是右邊,由于此時 yyy 早已有序,仿照二維進行 cdq2。
解釋見代碼吧,超詳細的!

namespace PB {node d[N];                                             // 存儲當前處理的節點數組,包含點和查詢void solve(int l, int r) {                             // 處理區間 [l, r) 的 z 維偏序if (l == r - 1) return;                            int mid = (l + r) >> 1;                            solve(l, mid), solve(mid, r);                      int a = l, b = mid, c = l, sum = 0;                // sum 記錄左邊點的數量while (a < mid || b < r) {                         // 歸并排序,按 z 坐標合并if (b == r || (a < mid && d[a].z <= d[b].z)) { // 左邊還有元素且 z 更小(或右邊已空)if (d[a].id == -1 && d[a].tag == LEFT)     // 如果是左邊區間的一個點++sum;                                 tp[c++] = d[a++];                          } else {                                       // 右邊 z 更小(或左邊已空)if (d[b].id != -1 && d[b].tag == RIGHT)    // 如果是右邊區間的查詢anst[d[b].id] += sum;                  // 累加當前左邊點的數量到查詢結果tp[c++] = d[b++];                          }}copy(tp + l, tp + r, d + l); // 將臨時數組復制回原數組,完成歸并}
} // namespace PBnamespace PA {void solve(int l, int r) {                             // 處理區間 [l, r) 的 y 維偏序if (l == r - 1) return;                            int mid = (l + r) >> 1;                            solve(l, mid), solve(mid, r);                      // 遞歸處理左半區間 [l, mid) 和右半區間 [mid, r)int a = l, b = mid, c = l;                         // a, b 分別指向左右區間,c 指向臨時數組while (a < mid || b < r) {                         // 歸并排序,按 y 坐標合并if (b == r || (a < mid && d[a].y <= d[b].y)) { // 左邊還有元素且 y 更小(或右邊已空)d[a].tag = LEFT, tp[c++] = d[a++];         // 標記為左區間} else {                                       // 右邊 y 更小(或左邊已空)d[b].tag = RIGHT, tp[c++] = d[b++];        // 標記為右區間}}copy(tp + l, tp + r, d + l);     // 將臨時數組復制回原數組,完成 y 維歸并copy(tp + l, tp + r, PB::d + l); // 將排序后的數組復制到 PB 命名空間的 d 數組PB::solve(l, r);                 // 調用 PB 處理 z 維偏序}
} // namespace PA

時間復雜度

PB 中一次處理長度為 nnn 的區間 O(n)=nlog?nO(n)=n\log nO(n)=nlogn

PA(總):O(∑i=0log?nT(n2i)×2i)=O(nlog?2n)O(\sum_{i=0}^{\log n}T(\frac{n}{2^i})\times 2^i) = O(n\log^2n)O(i=0logn?T(2in?)×2i)=O(nlog2n)

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/918001.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/918001.shtml
英文地址,請注明出處:http://en.pswp.cn/news/918001.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Effective C++ 條款27: 盡量用const、enum、inline替換 #define

Effective C 條款27&#xff1a;盡量用const、enum、inline替換#define核心思想&#xff1a;使用編譯器&#xff08;const, enum, inline&#xff09;替代預處理器&#xff08;#define&#xff09;&#xff0c;讓編譯器進行語義檢查&#xff0c;避免宏替換引發的錯誤和調試困難…

芯谷科技--高效噪聲降低解決方案壓縮擴展器D5015

在無繩電話系統中&#xff0c;噪聲降低是提升通話質量的關鍵。 D5015 壓縮擴展器&#xff0c;通過集成壓縮器和擴展器&#xff0c;有效降低了傳輸噪聲&#xff0c;同時保持了信號的完整性。D5015 采用 SOP20 和 DIP20 封裝形式&#xff0c;具有低電壓工作、低功耗、高集成度等特…

LabVIEW車床靜剛度自動測

?基于LabVIEW 平臺開發車床靜剛度自動測試系統&#xff0c;針對傳統生產法測量中人工誤差大、計算復雜、效率低等問題&#xff0c;結合誤差復映規律與剛度方程&#xff0c;通過高精度硬件與軟件協同&#xff0c;實現試件加工前后尺寸的在線采集、自動計算與報告生成&#xff0…

汽車流通行業4S門店生存性指標:零服吸收率

我們在做汽車4S集團的商業智能BI數據分析項目中&#xff0c;對于4S店的管理&#xff0c;大家經常會提到一個分析指標&#xff0c;叫“零服吸收率”&#xff0c;這個大概是什么意思呢&#xff1f;簡單來說就是4S門店一臺車都沒有賣出的情況下&#xff0c;光靠售后服務部分的收益…

第一性原理科學計算服務器如何選擇配置-CPU選擇篇

一、 大多數人知道的 (顯性因素)核心數與線程數 (Core Count & Thread Count): 重要性&#xff1a; 核心是王道。 科學計算任務&#xff08;如仿真、建模、數據分析、機器學習訓練&#xff09;絕大多數都高度并行化&#xff0c;可以同時利用多個核心進行計算。選擇建議&…

Java 后端 + JavaScript 前端 實現按鈕級別權限控制的解決方案

Java JavaScript 前后端協同實現按鈕權限控制 在后臺管理系統中&#xff0c;不同用戶根據角色和數據狀態應展示不同的操作按鈕&#xff0c;比如編輯、刪除、審批、提交等操作。本文將介紹一種通過 Java 后端生成按鈕權限 JSON&#xff0c;前端通過 jQuery 解析控制按鈕顯示的…

RAG面試內容整理-18. 向量量化與索引壓縮技術(PQ, HNSW 等)

當知識庫規模達到百萬甚至數億級文檔時,向量索引的存儲和查詢效率成為關鍵瓶頸。向量量化是一類用較低比特表示近似向量的方法,大幅壓縮內存占用并加速相似度計算。PQ(Product Quantization)是其中最著名的方法之一,被Faiss等庫廣泛實現。PQ的思想是將高維向量劃分為多個子…

如何顯示一個 Elasticsearch 索引的字段

作者&#xff1a;來自 Elastic JD Armada 學習如何使用 _mapping 和 _search API、子字段、合成 _source 和運行時字段來顯示 Elasticsearch 索引的字段。 更多閱讀&#xff1a; Elasticsearch&#xff1a;從搜索中獲取選定的字段 fields Elasticsearch&#xff1a;inverted …

vue3父組件把一個對象整體傳入子組件,還是把一個對象的多個屬性分成多個參數傳入

以一個對象整體傳入時&#xff0c;對象的定義&#xff1a;<template><div><p>姓名: {{ userInfo.name }}</p><p>年齡: {{ userInfo.age }}</p><p>郵箱: {{ userInfo.email }}</p></div> </template> <script s…

【unitrix數間混合計算】2.1 數間混合計算模塊(src/number/mod.rs)

一、源碼 這段代碼是一個Rust模塊的聲明和導出配置&#xff0c;主要用于實現"類型級數與基本類型混合計算"的功能。 //! 類型級數與基本類型混合計算// 模塊聲明 // -------------------------------- mod types; // 結構體定義 mod normalize; …

脫機部署k3s

離線部署 K3s 文檔 1. 準備工作 操作系統準備&#xff1a;確保服務器已安裝好基礎操作系統&#xff08;Ubuntu、CentOS 等&#xff09;。關閉防火墻或放通端口&#xff1a;建議關閉防火墻或確保 6443、10250 等端口已開放。準備離線資源文件&#xff1a; 下載地址 k3s-airga…

[失敗記錄] 使用HBuilderX創建的uniapp vue3項目添加tailwindcss3的完整過程

寫在前面 放棄了。。。 1&#xff09;方案1 - 參考下面的“完整步驟” - 安裝成功&#xff0c;運行成功&#xff0c;但是&#xff01;好多class不生效&#xff01; 2&#xff09;方案2 - 不安裝tailwindcss&#xff0c;直接使用獨立的編譯好的完整css文件&#xff01; …

使用Idea去git項目,發現拉取和推送都很慢的問題

在大多數情況下&#xff0c;用Idea去對項目進行拉取和推送是很方便的&#xff0c;對于新手來說也是非常友好的但是最近博主遇到了一個問題&#xff0c;就是我feat一個簡單的類&#xff0c;去提交推送都需要很長的時間&#xff0c;甚至是20分鐘&#xff0c;博主去找了很多方法。…

無人機圖傳的得力助手:5G 便攜式多卡高清視頻融合終端的協同應用

前言在無人機作業中&#xff0c;圖傳系統是連接空中與地面的關鍵紐帶&#xff0c;而 5G 便攜式多卡高清視頻融合終端雖不直接搭載于無人機&#xff0c;卻能通過地面協同突破傳統微波圖傳的局限&#xff0c;為無人機遠程監控、應急指揮提供穩定高效的傳輸支撐。型號&#xff1a;…

【博客系統UI自動化測試報告】

博客系統UI自動化測試報告一、項目背景二、測試內容(一)測試用例(二)測試賬號(三&#xff09;使用Selenium進行Web自動化測試1.環境搭建2.創建瀏覽器驅動3.編寫博客登陸模塊的測試用例代碼4.編寫博客主頁展示模塊的測試用例代碼5.編寫博客創作模塊的測試用例代碼6.編寫博客查看…

簡單手寫Transformer:原理與代碼詳解

Transformer 作為 NLP 領域的里程碑模型&#xff0c;徹底改變了序列建模的方式。它基于自注意力機制&#xff0c;擺脫了 RNN 的序列依賴&#xff0c;實現了并行計算&#xff0c;在機器翻譯、文本生成等任務中表現卓越。本文將從零開始&#xff0c;手寫一個簡化版 Transformer&a…

Numpy科學計算與數據分析:Numpy入門之數組操作與科學計算基礎

Numpy入門實踐&#xff1a;從零開始掌握科學計算利器 學習目標 通過本課程的學習&#xff0c;學員將了解Numpy的歷史背景、核心特點及其在科學計算中的重要性。學員將掌握如何使用Numpy進行數組操作&#xff0c;包括數組的創建、索引、切片以及基本的數學運算&#xff0c;為后…

python:講懂決策樹,為理解隨機森林算法做準備,以示例帶學習,通俗易懂,容易理解和掌握

為什么要講和學習決策樹呢?主要是決策樹(包括隨機森林算法)不需要數據的預處理。現實世界的數據往往“臟亂差”,決策樹讓你在數據準備上可以少花很多功夫,快速上手,用起來非常的“省心”。總之,決策樹是機器學習領域里最直觀易懂、解釋性最強、應用最廣泛的基礎模型之一…

C語言:單鏈表學習

文件&#xff1a;main.c #include "linkedList.h"int main(int argc, char *argv[]) {// 創建頭結點NODE *head NULL;// 創建鏈表if (llist_create(&head, 666) < 0){perror("鏈表創建失敗&#xff01;");return -1;}// 向鏈表插入數據llist_addTa…

使用 decimal 包解決 go float 浮點數運算失真

文章目錄問題解決注意問題 go float 在運算的時候會出現精度問題 package mainimport ("fmt" )func main() {var a float64 0.3var b float64 0.6fmt.Println("ab", ab) // 你以為是 0.9 但是結果是&#xff1a;0.8999999999999999 }你觀察到的 0.3 …