博客
关于我
ZOJ1610 Count the Colors (分块写法) 区间覆盖
阅读量:220 次
发布时间:2019-03-01

本文共 2372 字,大约阅读时间需要 7 分钟。

为了解决这个问题,我们需要计算在一条直线上最终可见的不同颜色的线段数量。线段可能会被后面的线段覆盖,因此我们需要高效地处理这些覆盖关系。

方法思路

我们使用分块处理方法来解决这个问题。分块处理通过将问题划分为多个块,每个块内部处理,然后合并结果。这种方法在处理大规模数据时非常有效。

  • 分块划分:预先将线段划分为多个块,每个块的大小大约为√n。这样可以减少递归深度并提高效率。
  • 懒标记处理:使用懒标记来记录区间覆盖情况,避免频繁更新带来的性能问题。
  • 线段更新:对于每个线段,更新对应的块,标记颜色。
  • 块合并:在处理完所有线段后,遍历每个块,合并标记,找出可见的颜色数量。
  • 统计颜色:统计每个颜色的可见段数,并输出结果。
  • 解决代码

    #include 
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    #include
    using namespace std;int maxm = 8001;int block = sqrt(maxm);int num = (maxm + block - 1) / block;int l[num + 1], r[num + 1];int a[maxm + 1], belong[maxm + 1];int mark[num + 1];void reset(int node) { if (mark[node] != -1) { for (int i = l[node]; i <= r[node]; ++i) { a[i] = mark[node]; } mark[node] = -1; }}void check(int node, int val) { for (int i = l[node]; i <= r[node]; ++i) { if (a[i] != val) { mark[node] = -1; return; } } mark[node] = val;}void update(int x, int y, int val) { int current = belong[x]; if (l[current] > r[y]) { return; } reset(current); for (int i = x; i <= y; ++i) { a[i] = val; } check(current, val); if (x < l[current] || y > r[current]) { return; } int left = belong[l[current]]; int right = belong[r[current]]; if (x < l[left] || y > r[right]) { return; } reset(left); for (int i = x; i <= y; ++i) { a[i] = val; } check(left, val); reset(right); for (int i = l[right]; i <= y; ++i) { a[i] = val; } check(right, val); for (int i = belong[x] + 1; i <= belong[y]; ++i) { if (mark[i] != -1) { mark[i] = val; } }}void build() { int ma = maxm; l[1] = 1; r[1] = block; for (int i = 2; i <= num; ++i) { l[i] = r[i - 1] + 1; r[i] = r[i - 1] + block; } r[num] = ma; for (int i = 1; i <= ma; ++i) { belong[i] = (i - 1) / block + 1; }}int main() { while (true) { int n; scanf("%d", &n); if (n == 0) { break; } build(); for (int i = 1; i <= n; ++i) { int x, y, c; scanf("%d %d %d", &x, &y, &c); update(x, y, c); } vector
    color_count(10000, 0); for (int i = 1; i <= maxm; ++i) { if (a[i] != -1) { color_count[a[i]]++; } } for (int i = 1; i <= maxm; ++i) { if (color_count[i] > 0) { printf("%d %d\n", i, color_count[i]); } } printf("\n"); }}

    代码解释

  • 分块划分:预处理分块结构,确定每个点属于哪个块。
  • 懒标记处理:使用标记数组记录覆盖情况,避免频繁更新。
  • 线段更新:对于每个线段,更新对应的块,标记颜色。
  • 块合并:在处理完所有线段后,合并每个块的标记,计算可见颜色的数量。
  • 统计颜色:统计每个颜色的可见段数,并输出结果。
  • 这种方法通过分块处理和懒标记,高效地解决了线段覆盖问题,确保了算法的性能和正确性。

    转载地址:http://rxuv.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>