二分答案题目

news2026/4/5 12:57:16
二分答案oj洛谷姊妹篇二分答案浮点数二分答案与浮点数二分查找 二分查找二分答案与贪心文章目录二分答案oj洛谷前言题目一P1873 [COCI 2011/2012 #5] EKO / 砍树题意概述思路分析题解代码注意事项题目二P2440 木材加工题意概述思路分析题解代码注意事项题目三P2678 [NOIP 2015 提高组] 跳石头题意概述思路分析题解代码注意事项题目四P3853 [TJOI2007] 路标设置题意概述思路分析题解代码注意事项总结二分答案的解题步骤前言二分答案的核心思想是当答案具有单调性时不直接求解答案而是对答案的值域进行二分将求最优解转化为判定某个值是否可行。每次二分一个候选答案mid通过一个验证函数判断mid是否满足条件根据判断结果缩小搜索区间最终逼近最优解。二分答案的通用模板闭区间写法// 定义 left, rightwhile(leftright){// 闭区间写法// 定义 mid// 根据 mid 进行验证// 根据验证结果更新区间}// 输出答案下面通过四道经典例题逐步加深理解。题目一P1873 [COCI 2011/2012 #5] EKO / 砍树题目链接题意概述给定N NN棵树的高度设定锯片高度H HH所有高度超过H HH的树被锯掉超出部分。求满足锯下的木材总量≥ M \geq M≥M的前提下H HH的最大值。思路分析锯片高度H HH越高锯下的木材越少H HH越低锯下的木材越多。答案具有单调性因此可以二分H HH。二分范围left 0right max(arr)验证计算锯片高度为mid时锯下的木材总量sum若sum M说明mid可行尝试更高的锯片高度left mid 1若sum M说明mid太高降低锯片高度right mid - 1题解代码#includebits/stdc.husingnamespacestd;usinglllonglong;vectorintarr;voidsolve(){ll N,M;cinNM;for(ll i1;iN;i){intx;cinx;arr.push_back(x);}intmaxi*max_element(arr.begin(),arr.end());intleft0,rightmaxi;while(leftright){intmidleft(right-left)/2;ll sum0;for(inti0;iN;i){if(arr[i]mid)sumarr[i]-mid;}if(sumM){leftmid1;}elserightmid-1;}coutleft-1\n;}intmain(){ios::sync_with_stdio(0),cin.tie(0),cout.tie(0);solve();}注意事项1.max_element的使用max_element是 C 标准库algorithm中的算法用于查找范围内的最大元素。特性说明适用范围不限容器类型数组、vector、deque等均可返回值返回迭代器对于数组是指针需用*解引用获取数值时间复杂度O ( N ) O(N)O(N)线性扫描多个最大值返回第一个最大值的迭代器空范围传入空范围时行为未定义需自行检查自定义类型需要提供比较函数或重载运算符2. 为什么输出left - 1循环结束时left right 1。在最后一次满足sum M的迭代中执行了left mid 1所以最后一个可行的答案是left - 1。题目二P2440 木材加工题目链接题意概述给定N NN根原木的长度要求将它们切割成K KK段等长的小段求小段的最大长度。思路分析小段长度越长能切出的段数越少长度越短段数越多。答案具有单调性二分小段长度。二分范围left 0right max(tr)验证计算长度为mid时能切出的总段数cnt若cnt K可行尝试更长left mid 1若cnt K不可行缩短right mid - 1题解代码#includebits/stdc.husingnamespacestd;usinglllonglong;vectorlltr;intmain(){ll n,k;cinnk;if(k0){cout0\n;return0;}ll maxi0,sum0;for(inti0;in;i){ll x;cinx;maximax(maxi,x);tr.push_back(x);sumx;}if(sumk){cout0\n;return0;}ll left0,rightmaxi;while(leftright){ll midleft(right-left)/2;ll cnt0;for(inti0;in;i){cnt(tr[i]/mid);}if(cntk)leftmid1;elserightmid-1;}coutleft-1\n;}注意事项1. 特判边界情况k 0时不需要任何小段直接输出0。sum k时即使每段长度为 1 也切不出K KK段直接输出0。这类特判在二分答案题目中很常见如果遗漏会导致二分过程中出现除以零、死循环等问题。2. 识别单调性小段长度增大 → 每根原木能切出的段数减少 → 总段数减少。这种答案增大则验证值单调变化的性质就是使用二分答案的依据。题目三P2678 [NOIP 2015 提高组] 跳石头题目链接题意概述河中有N NN块石头排成一排起点到终点距离为L LL。最多移走M MM块石头使得相邻石头之间的最短跳跃距离最大化。思路分析最短跳跃距离越大需要移走的石头越多距离越小移走的石头越少。答案具有单调性二分最短跳跃距离。二分范围left 1right L验证模拟跳石头过程统计在最短距离为mid的限制下需要移走多少块石头若移走数cnt M可行尝试更大距离left mid 1若cnt M不可行缩小距离right mid - 1题解代码#includebits/stdc.husingnamespacestd;usinglllonglong;vectorllD;intmain(){ll L,N,M;cinLNM;for(inti0;iN;i){ll x;cinx;D.push_back(x);}D.push_back(L);ll left1,rightL;while(leftright){//随着最短跳跃距离的增大移走石头次数增加// cnt: 当前mid难度下需要移走的石头数ll midleft(right-left)/2;intlast0;intcnt0;for(inti0;iN;i){if(D[i]-lastmid)cnt;elselastD[i];}if(cntM)leftmid1;elserightmid-1;}coutleft-1\n;}注意事项1. 单调性分析最短跳跃距离增大 → 更多的相邻石头间距不满足要求 → 需要移走更多石头。这就是本题使用二分答案的依据。2. 验证函数的核心模拟跳跃过程与前两道题直接计算一个数值不同本题的验证需要模拟跳石头的过程使用两个变量变量含义last上一次落脚的位置初始为起点 0cnt需要移走的石头数量遍历每块石头时如果当前石头与last的距离 mid说明这块石头太近了必须移走cnt如果距离 mid可以落脚更新last为当前石头位置3. 将终点加入数组终点距离L LL处不能被移走但需要作为最后一次跳跃的目标参与计算。因此在读入数据后执行D.push_back(L)循环范围相应地变为i N。题目四P3853 [TJOI2007] 路标设置题目链接题意概述公路上已有N NN个路标最多再添加K KK个路标使得相邻路标的最大间距最小化。思路分析最大间距越大需要添加的路标越少间距越小需要添加的路标越多。答案具有单调性二分最大间距。二分范围left 1right L验证计算将最大间距限制为mid时需要添加多少个路标若添加数cnt K可行尝试更小间距right mid - 1若cnt K不可行放宽间距left mid 1题解代码#includebits/stdc.husingnamespacestd;usinglllonglong;vectorllsig;intmain(){ios::sync_with_stdio(0),cin.tie(0),cout.tie(0);ll L;intN,K;cinLNK;for(inti0;iN;i){ll num;cinnum;sig.push_back(num);}ll left1,rightL;while(leftright){ll midleft(right-left)/2;//两点最大距离//两点最大距离增大放置路标的数量减小intcnt0;ll lastsig[0];for(inti1;iN;i){ll lastsig[i-1];ll lensig[i]-last;if(lenmid){cnt(len-1)/mid;//放置路标数量}}if(cntK)rightmid-1;elseleftmid1;}coutright1\n;}注意事项1. 核心公式cnt (len - 1) / mid这是本题最关键的一行。两个相邻路标间距为len要把这段间隔切分成每段不超过mid的小段需要在中间添加多少个路标需要的段数为⌈ l e n m i d ⌉ \lceil \frac{len}{mid} \rceil⌈midlen​⌉向上取整需要添加的路标数 段数 - 1 ⌈ l e n m i d ⌉ − 1 \lceil \frac{len}{mid} \rceil - 1⌈midlen​⌉−1利用整数向上取整公式⌈ a b ⌉ ⌊ a − 1 b ⌋ 1 \lceil \frac{a}{b} \rceil \lfloor \frac{a-1}{b} \rfloor 1⌈ba​⌉⌊ba−1​⌋1得到⌈ l e n m i d ⌉ − 1 ⌊ l e n − 1 m i d ⌋ 1 − 1 ⌊ l e n − 1 m i d ⌋ \lceil \frac{len}{mid} \rceil - 1 \lfloor \frac{len-1}{mid} \rfloor 1 - 1 \lfloor \frac{len-1}{mid} \rfloor⌈midlen​⌉−1⌊midlen−1​⌋1−1⌊midlen−1​⌋所以(len - 1) / mid正好就是需要添加的路标数。2. 判断方向的技巧反面思考如果不确定cnt K时应该更新left还是right可以从反面入手当cnt K路标不够用→ 需要放宽间距限制 → 增大mid→left mid 1当cnt K路标够用→ 题目求最大间距的最小值尝试更小的间距 →right mid - 1总结二分答案的解题步骤步骤内容1. 识别单调性确认答案增大时验证值单调变化这是能用二分答案的前提2. 确定二分范围根据题意确定left和right的初始值保证答案一定在区间内3. 编写验证函数给定候选答案mid判断是否可行这往往是题目的难点4. 确定更新方向根据可行时应该尝试更大还是更小来决定更新left还是right5. 特判边界检查是否有需要提前处理的特殊情况如全为 0、无解等6. 输出答案循环结束后根据更新方向输出left - 1或right 1

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2416373.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…