cf 337b 二分 优先队列 贪心

本文解析了一个CodeForces上的B级题目,该题目涉及m个不同等级的bug与n个具备不同解决能力的学生。文章介绍了如何通过二分查找与贪心算法,在限定预算下寻找最短时间内解决所有bug的方法,并提供了完整的代码实现。
题目链接

https://codeforces.com/contest/377/problem/B

题意

m个bug,n个学生。学生和bug都有等级,等级大于等于bug的学生才能解决这个bug。每个学生只要出手就得付钱(多次出手支付一次),一个学生一天一个bug。给出最大预算,是否可以解决全部bug?如果可以的话,输出最省时间的解决方案。

思路

我们如果确定了限制天数,那么我们就可以贪心的解决问题。

假如当前为k天完成,那么我们维护一个学生集合,这个集合内都是能解决当前最大等级bug的学生,我们拿出里面花费最小的学生,一次杀掉k个bug。之后更新集合知道bug杀完或者经费用光。这样可以获得一种方案或是验证k天无法完成。我们的集合用优先队列维护,每个学生入队一次,复杂度nlogn

我们易知假如整个问题有解,天数应在1到m天之间。因此我们二分天数,去检查上方子问题,总复杂度 O ( l o g m ∗ n l o g n ) O(logm*nlogn) O(logmnlogn)

教训/收获

当题目有些限制条件实在烦人时,可以考虑检查他的单调性去二分,不仅降复杂度还会把任务从求解变成检查。

代码
#include<cstdio>
#include<iostream>
#include<iomanip>
#include<map>
#include<unordered_map>
#include<string>
#include<queue>
#include<stack>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<cstdlib> 
#include<chrono>
#define IOS ios::sync_with_stdio(false);cin.tie(0);cout.tie(0);
#define endl "\n"
//#define int long long
//#define double long double
using namespace std;
	typedef long long ll;
	const int maxn=200505;
	const int inf=0x3f3f3f3f;
	int n,m,s;
    struct STU{
        int level;
        int cost;
        int id;
        friend bool operator <(STU A,STU B){
            return A.cost>B.cost;
        }
    }stu[maxn];
    struct BUG{
        int level;
        int id;
    }bug[maxn];
    bool cmp1(BUG a,BUG b){
        return a.level>b.level;
    }
    bool cmp2(STU A,STU B){
        return A.level>B.level;
    }
    bool judge(int k){
        int pl=s;
        priority_queue<STU>pq;
        int i=1,j=1;
        while(j<=m){
            while(i<=n){
                if(stu[i].level>=bug[j].level)  pq.push(stu[i]);
                else   break;
                i++;
            }
            if(!pq.size())return 0;
            auto t=pq.top();pq.pop();
            if(pl<t.cost)   return 0;
            pl-=t.cost;
            j+=k;
        }
        return 1;
    }
    int ans[maxn];
    bool print(int k){
        int pl=s;
        priority_queue<STU>pq;
        int i=1,j=1;
        while(j<=m){
            while(i<=n){
                if(stu[i].level>=bug[j].level)  pq.push(stu[i]);
                else   break;
                i++;
            }
            auto t=pq.top();pq.pop();
            int li=min(m,j+k-1);
            for(int w=j;w<=li;w++){
                ans[bug[w].id]=t.id;
            }
            j+=k;
        }
        cout<<"YES"<<endl;
        for(int i=1;i<=m;i++)
            cout<<ans[i]<<' ';cout<<endl;
        return 1;
    }
	signed main(){
        IOS
		#ifndef ONLINE_JUDGE
		    freopen("IO\\in.txt","r",stdin);
		    freopen("IO\\out.txt","w",stdout);
        #endif
		int tn=1;
        cin>>n>>m>>s;
        for(int i=1;i<=m;i++){
            cin>>bug[i].level;
            bug[i].id=i;
        }
        for(int i=1;i<=n;i++){
            cin>>stu[i].level;
            stu[i].id=i;
        }
        for(int i=1;i<=n;i++)   
            cin>>stu[i].cost;
 
        sort(bug+1,bug+1+m,cmp1);
        sort(stu+1,stu+1+n,cmp2);
        int l=0,r=m,mid;
        if(!judge(m)){
            cout<<"NO"<<endl;
            exit(0);
        }
        while(l<r){
            mid=(l+r)/2;
            if(judge(mid))
                r=mid;
            else    
                l=mid+1;
        }
        print(r);
	} 
内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参数设置、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值