当前位置: 首页 > news >正文

Sums of Sliding Window Maximum_abc407F分析与解答

倒着考虑,考虑每个a_i对哪些k值做出贡献,对一个a_i,定义L_i和R_i为:

 以上笔误:R_i的定义应该是:连续最多R_i个元素比a_i 

如果得到了 L_i和R_i,我们从k的长度从小到大依次看看,a_i对ans[k](也就是长度为k的滑动窗口的最大值的和)有几次贡献:
用maxx表示max(L_i,R_i)用minx表示min(L_i,R_i)。

发现,当k在区间[1,minx+1],a_i对ans[k]的贡献是 k*a_i,这也是说,当k在[1,minx+1]范围内时,区间长度为多少,a_i就在多少个这么长的区间内出现。

当k在区间[minx+2,maxx+1]时,a_i对ans[k]的贡献是 (minx+1)*a_i,(minx+1)是上一个k的区间中k最大时a_i的出现次数。

当k在区间[maxx+2,minx+maxx+2]时,a_i对ans[k]的贡献是 (minx+maxx+2-k)*a_i,初始k=maxx+2时,贡献为minx*a_i,之后随着k增大贡献值越来越小,最后到0。

在图上画出以上变化过程,发现贡献值的变化率:定义G_i=a_i对ans[i]的贡献值-a_i对ans[i-1]的贡献值,G_i要么是a_i(k在第一区间),要么是0(k在第二区间),要么是-a_i(k在第三区间)。对一个a_i,用差分的方法,可以用常数时间修改这三个区间的变化率,对每个i from 1 to n,时间为O(n),用一次前缀和计算每个点的变化率G_i,再通过变化率计算出每个点的贡献值ans[i],这样可以把复杂度控制在O(n)。

计算L[i]和R[i]:

首先考虑一个特殊情况,如果在一个区间内有多个相同元素并且他们都是这个区间的最大值,比如:
9 1 2 3 2 3 3 9

按照之前L_i和R_i的定义,比如对最左边的那个3,其左右扩到最大,也只是区间:1 2 3 2,但实际上,最左边的3在区间1 2 3 2 3 3中也是最大值,这样会遗漏这个3的贡献。

我们略微调整L_i和R_i的定义,R_i不变,将L_i改成:连续最多L_i个元素小于等于a_i ,现在,如果一个区间中最大值有多次出现,只用最靠右的最大值计算对这个区间的贡献。

如何计算L[i]和R[i]呢?将a_i从小到大排序,如果值相同,按序号排序,也就是按照关键字(a_i,i)排序,倒着遍历排序后的序列,建立一个集合保存之前遍历过的a中元素的下标,若当前遍历到的数在原数组a中的下标是id,用lowerbound在集合中寻找大于id的最小元素和小于id的最大元素,这样找到两个边界,根据(a_i,i)排序的话,找到的边界满足以上L_i和R_i的定义。

#include<bits/stdc++.h>
using namespace std;
using ll=long long ;const ll maxn=2e5+10;
ll n;
ll a[maxn],L[maxn],R[maxn],slope_d[maxn],ans[maxn],slope[maxn];
struct node {ll v,id;bool operator < (const node &rhs) const {if(v==rhs.v) return id<rhs.id;return v<rhs.v;}
}b[maxn];int main()
{ios::sync_with_stdio(0);cin.tie(0);cin>>n;for(ll i=1;i<=n;i++) cin>>a[i];//求L[i]和R[i]for(ll i=1;i<=n;i++) {b[i].v=a[i];b[i].id=i;}stable_sort(b+1,b+1+n);set<ll> s={0,n+1};  //guardfor(ll i=n;i>=1;i--){ll id=b[i].id;set<ll>::iterator it=s.lower_bound(id);ll rb=*it,lb=*(--it);   //right_boundaryll r=rb-id-1,l=id-lb-1;R[id]=r;L[id]=l;s.insert(id);}/*//输出检查L_i和R_ifor(ll i=1;i<=n;i++){printf("i=%lld\n",i);printf("L=%lld R=%lld\n",L[i],R[i]);}*///用差分修改区间斜率for(ll i=1;i<=n;i++) {ll xmin=min(L[i],R[i]),xmax=max(L[i],R[i]);slope_d[1]+=a[i];slope_d[1+xmin+1]-=a[i];slope_d[1+xmax+1]-=a[i];slope_d[1+xmax+xmin+2]+=a[i];}//计算每个点的斜率for(ll i=1;i<=n;i++){slope[i]=slope[i-1]+slope_d[i];}//通过斜率计算一次方程的值for(ll i=1;i<=n;i++){ans[i]=ans[i-1]+slope[i];}for(ll i=1;i<=n;i++){cout<<ans[i]<<"\n";}return 0;
}

相关文章:

  • 001在线拍卖系统技术揭秘:构建高效交互的竞拍平台
  • 【吾爱】逆向实战crackme160学习记录(一)
  • 【AI赋能,视界升级】智微智能S134 AI OPS,重构智慧大屏未来
  • 晨控CK-UR08与欧姆龙PLC配置Ethernet/IP通讯连接操作手册
  • TDengine 运维——巡检工具(定期检查)
  • 裂缝仪在线监测装置:工程安全领域的“实时守卫者”
  • 【Git】
  • 白皮精读:214页数据安全治理白皮书6.0【附全文阅读】
  • 005学生心理咨询评估系统技术解析:搭建科学心理评估平台
  • 全面预算编制
  • 分库分表后的 ID 生成方案
  • 国标GB28181设备管理软件EasyGBS实现生产全流程可视化监控与精细化管理
  • python中 @注解 及内置注解 的使用方法总结以及完整示例
  • 【算法训练营Day03】链表part1
  • Odoo OWL 框架深度研究(VIP10万字版)
  • 历年西安电子科技大学计算机保研上机真题
  • Linux-pcie ranges介绍
  • Java调用C++教程:JNI与JNA两种方式详解
  • 分库分表的常见策略
  • 推荐3个优秀wordpress主题
  • 企业服务建设网站/如何做网站推广的策略
  • wordpress 网址 建站/百度查重免费
  • 开发app需要什么技术/百度关键词优化怎么做
  • 做网站建设哪家便宜/成都网络运营推广
  • 如何做购物网站的后台/品牌互动营销案例
  • wordpress微信域名回调/百度关键词搜索引擎排名优化