Sums of Sliding Window Maximum_abc407F分析与解答

article/2025/8/2 13:53:12

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;
}


http://www.hkcw.cn/article/oUGNfEsDyB.shtml

相关文章

用通义灵码2.5打造智能倒计时日历:从零开始的Python开发体验

前言:为什么选择通义灵码2.5? 通义灵码2.5版本带来了令人兴奋的升级,特别是全新的智能体模式让编程体验焕然一新。作为一名长期关注AI编程助手的开发者,我决定通过开发一个实用的倒计时日历小工具,来全面体验通义灵码2.5的各项新特性。 一、项目构思与智能体协作 首先,…

历年西安电子科技大学计算机保研上机真题

2025西安电子科技大学计算机保研上机真题 2024西安电子科技大学计算机保研上机真题 2023西安电子科技大学计算机保研上机真题 在线测评链接&#xff1a;https://pgcode.cn/school 查找不同的连续数字串个数 题目描述 给定一个数字串&#xff0c;查找其中不同的连续数字串的个…

一文读懂 STP:交换机接口状态详解及工作原理

一文读懂 STP&#xff1a;交换机接口状态详解及工作原理 一. 引言&#xff1a;STP 是什么&#xff0c;为何如此重要&#xff1f;二. STP 的核心作用&#xff1a;避免网络环路2.1 什么是 STP&#xff1f;2.2 STP 的核心概念 三. STP 交换机接口状态详解四. STP 的工作原理&#…

清华大学发Nature!光学工程+神经网络创新结合

2025深度学习发论文&模型涨点之——光学工程神经网络 清华大学的一项开创性研究成果在《Nature》上发表&#xff0c;为光学神经网络的发展注入了强劲动力。该研究团队巧妙地提出了一种全前向模式&#xff08;Fully Forward Mode&#xff0c;FFM&#xff09;的训练方法&…

PHP学习笔记(十一)

类常量 可以把在类中始终保持不变的值定义为常量&#xff0c;类常量的默认可见性是public。 接口中也可以定义常量。 可以用一个变量来动态调用类&#xff0c;但该变量的值不能为关键字 需要注意的是类常量只为每个类分配一次&#xff0c;而不是为每个类的实例分配。 特殊的…

NodeMediaEdge快速上手

NodeMediaEdge快速上手 简介 NodeMediaEdge是一款部署在监控摄像机网络前端中&#xff0c;拉取Onvif或者rtsp/rtmp/http视频流并使用rtmp/kmp推送到公网流媒体服务器的工具。 通过云平台协议注册到NodeMediaServer后&#xff0c;可以同NodeMediaServer结合使用。使用图形化的…

强化学习的前世今生(五)— SAC算法

书接前四篇 强化学习的前世今生&#xff08;一&#xff09; 强化学习的前世今生&#xff08;二&#xff09; 强化学习的前世今生&#xff08;三&#xff09;— PPO算法 强化学习的前世今生&#xff08;四&#xff09;— DDPG算法 本文为大家介绍SAC算法 7 SAC 7.1 最大熵强化…

优质电子实验记录本如何确保数据不泄密?

实验数据是企业和科研机构的核心资产&#xff0c;承载着创新成果与竞争优势&#xff0c;选择合适的实验记录载体至关重要。本文从传统纸质记录的安全性优劣势出发&#xff0c;对比分析普通电子实验记录本存在的安全问题&#xff0c;详细阐述优质电子实验记录本如何构建数据防护…

RFID 助力钢铁钢帘线生产效率质量双提升

RFID 助力钢铁钢帘线生产效率质量双提升 应用背景 钢铁钢帘线广泛应用于建筑、公路、桥梁、隧道、海洋工程等领域。&#xff0c;其质量和生产效率直接影响性能与安全性。在钢铁钢帘线的生产过程中&#xff0c;面临着诸多挑战。传统生产模式下&#xff0c;各生产环节信息传递不…

4.5V~100V, 3.8A 峰值电流限, 非同步, 降压转换器,LA1823完美替换MP9487方案

一&#xff1a;综述 LA1823 是一款易用的非同步&#xff0c;降压转换器。 该模块集成了 500mΩ 低导通阻抗的高侧 MOSFET。LA1823 使用 COT 控制技术。此种控制方式有利于快速动态响应,同时简化了反馈环路的设计。LA1823 可以提供最大 2A 的持续负载电流。LA1823有150kHz/240kH…

多杆合一驱动城市空间治理智慧化

引言&#xff1a;城市“杆林困境”与智慧化破局 走在现代城市的街道上&#xff0c;路灯、监控、交通信号灯、5G基站等杆体林立&#xff0c;不仅侵占公共空间&#xff0c;更暴露了城市治理的碎片化问题。如何让这些“沉默的钢铁”升级为城市的“智慧神经元”&#xff1f;答案在…

ElasticSearch迁移至openGauss

Elasticsearch 作为一种高效的全文搜索引擎&#xff0c;广泛应用于实时搜索、日志分析等场景。而 openGauss&#xff0c;作为一款企业级关系型数据库&#xff0c;强调事务处理与数据一致性。那么&#xff0c;当这两者的应用场景和技术架构发生交集时&#xff0c;如何实现它们之…

搭建 Select 三级联动架构-东方仙盟插件开发 JavaScript ——仙盟创梦IDE

三级级联开卡必要性 在 “东方仙盟” 相关插件开发中&#xff0c;使用原生 HTML 和 JavaScript 实现三级联动选择&#xff08;如村庄 - 建筑 - 单元的选择&#xff09;有以下好处和意义&#xff0c;学校管理&#xff1a; 对游戏体验的提升 增强交互性&#xff1a;玩家能够通…

SpringBoot+vue+SSE+Nginx实现消息实时推送

一、背景 项目中消息推送&#xff0c;简单的有短轮询、长轮询&#xff0c;还有SSE&#xff08;Server-Sent Events&#xff09;、以及最强大复杂的WebSocket。 至于技术选型&#xff0c;SSE和WebSocket区别&#xff0c;网上有很多&#xff0c;我也不整理了&#xff0c;大佬的链…

软件测试的分类

为什么要软件测试分类呢&#xff1f; 软件测试是软件生命周期中的一个重要的环节&#xff0c;基本伴随着软件整个生命周期&#xff0c;对软件测试分类后&#xff0c;我们可以根据软件生命不同阶段&#xff0c;进行对应的测试&#xff0c;这样就有助于我们条理分明&#xff0c;…

<PLC><socket><西门子>基于西门子S7-1200PLC,实现手机与PLC通讯(通过websocket转接)

前言 本系列是关于PLC相关的博文,包括PLC编程、PLC与上位机通讯、PLC与下位驱动、仪器仪表等通讯、PLC指令解析等相关内容。 PLC品牌包括但不限于西门子、三菱等国外品牌,汇川、信捷等国内品牌。 除了PLC为主要内容外,PLC相关元器件如触摸屏(HMI)、交换机等工控产品,如…

实现一个免费可用的文生图的MCP Server

概述 文生图模型为使用 Cloudflare Worker AI 部署 Flux 模型&#xff0c;是参照视频https://www.bilibili.com/video/BV1UbkcYcE24/?spm_id_from333.337.search-card.all.click&vd_source9ca2da6b1848bc903db417c336f9cb6b的复现Cursor MCP Server实现是参照文章https:/…

Windows安装Miniconda

Windows安装miniconda 下载安装常用命令配置powershellVSCode配置虚拟环境 下载 进入官网 https://www.anaconda.com/download/success 下载windows版本的miniconda Miniconda3-latest-Windows-x86_64.exe 安装 一直点击下一步&#xff0c;可以选择安装路径 配置环境变量…

华为OD机试真题——二叉树中序遍历(2025A卷:200分)Java/python/JavaScript/C++/C语言/GO六种最佳实现

2025 A卷 200分 题型 本文涵盖详细的问题分析、解题思路、代码实现、代码详解、测试用例以及综合分析; 并提供Java、python、JavaScript、C++、C语言、GO六种语言的最佳实现方式! 2025华为OD真题目录+全流程解析/备考攻略/经验分享 华为OD机试真题《二叉树中序遍历》: 目录 …

现代密码学 | 高级加密标准(AES)

接下来我们将讨论目前大多数计算机和硬件基础设施所使用的最重要的加密算法&#xff0c;例如高级加密标准&#xff08;AES&#xff09;、里弗斯特-沙米尔-阿德曼算法&#xff08;RSA&#xff09;、椭圆曲线加密&#xff08;ECC&#xff09;、基于格的加密、&#xff08;环&…