题解:AT_agc015_e [AGC015E] Mr.Aoki Incubator

原题链接:link

自然想到建立坐标系,以速度为纵轴,初始点为横轴。

以样例二为例来分析:

考虑将点两两连线:

`

其中红线为斜率为负数的线,容易知道点 \((x_i,v_i)\) 与点 \((x_j,v_j)\) 所连成的线的斜率为 \(\frac{x_j-x_i}{v_j-v_i}\),注意到他们相遇的时间与斜率互为相反数,即若斜率为负数,则相遇的时间为正数,也就是两人会相遇。

接下来,我们将点编号:

这里我们先考虑 \(B,C,D\) 三个点,注意到 \(CD\) 的斜率比 \(BD\) 的斜率小,即 \(D\) 先于 \(C\) 相遇,后与 \(B\) 相遇。

翻译一下就是如果一开始 \(C\) 就被感染,那么 \(C\) 先与 \(D\) 相遇,那么 \(D\) 也被感染,接着 \(D\) 与 \(B\) 相遇,三人都被感染。

那么问题就出现了,我们如何处理这种间接感染的问题。

首先总结出规律,如果一个点 \(n\) 想要感染点 \(m\) 那么,点 \(n\) 与点 \(m\) 之间需要有一条斜率都是负的且单调上升的路径。

考虑关注一个点 \(k\) 的影响范围,容易想到点 \(k\) 的影响范围为 \(\left\{(x,y)\mid y\ge l,y\le r\right\}\) 其中 \(l\) 为最小的使与 \(k\) 连线的斜率小于 \(0\) 的点的纵坐标,类似的,\(r\) 为最大的使与 \(k\) 连线的斜率小于 \(0\) 的点的纵坐标,我们拿上图中的 \(D\) 点举例:

如图,蓝色区域就是点 \(D\) 的影响范围。

然后我们不考虑单个的点,我们考虑这个点的影响范围 \([l_i,r_i]\) 现在,问题转换为求线段覆盖区间的方案数,使用 dp。

设 \(dp_i\) 为覆盖前 \(i\) 个点的方案数,有状态转移方程:

\[dp_{k}=\sum_{i=l_k}^{k}dp_i \]

自然想到使用前缀和优化,使用树状数组,复杂度 \(\mathcal{O}(n\log n)\)。

相关推荐
百度智能云技术站11 小时前
多模态模型训练加速,LoongForge 的 DP 负载均衡优化方案详解
负载均衡·dp·多模态大模型
洞察物理世界3 天前
【SI_DP】深入理解DP协议AUX通道信号
dp·硬件测试·dp工作原理·aux信号
The Chosen One9856 天前
分享对dp题目的理解-不断更新ing
笔记·算法·深度优先·动态规划·dp
Hello eveybody15 天前
介绍一下背包DP(C++)
开发语言·c++·动态规划·dp·背包dp
Hello eveybody19 天前
介绍一下背包DP(Python)
开发语言·python·动态规划·dp·背包dp
语戚1 个月前
力扣 2463. 最小移动总距离 —— 动态规划 & 贪心排序全解(Java 实现)
java·算法·leetcode·贪心算法·动态规划·力扣·dp
语戚1 个月前
力扣 494. 目标和 —— 回溯 & 动态规划双解法全解(Java 实现)
java·算法·leetcode·动态规划·力扣·dp·回溯
王老师青少年编程1 个月前
动态规划之【树形DP】第4课:树形DP应用案例实践3
c++·动态规划·dp·树形dp·csp·信奥赛·提高组
Tisfy2 个月前
LeetCode 1594.矩阵的最大非负积:动态规划O(mn)
leetcode·矩阵·动态规划·dp
像污秽一样2 个月前
算法设计与分析-习题9.1
数据结构·算法·dfs·dp·贪婪