博客
关于我
P3853 [TJOI2007]路标设置
阅读量:252 次
发布时间:2019-03-01

本文共 1510 字,大约阅读时间需要 5 分钟。

 

题目背景

B市和T市之间有一条长长的高速公路,这条公路的某些地方设有路标,但是大家都感觉路标设得太少了,相邻两个路标之间往往隔着相当长的一段距离。为了便于研究这个问题,我们把公路上相邻路标的最大距离定义为该公路的“空旷指数”。

题目描述

现在政府决定在公路上增设一些路标,使得公路的“空旷指数”最小。他们请求你设计一个程序计算能达到的最小值是多少。请注意,公路的起点和终点保证已设有路标,公路的长度为整数,并且原有路标和新设路标都必须距起点整数个单位距离。

输入格式

第1行包括三个数L、N、K,分别表示公路的长度,原有路标的数量,以及最多可增设的路标数量。

第2行包括递增排列的N个整数,分别表示原有的N个路标的位置。路标的位置用距起点的距离表示,且一定位于区间[0,L]内。

输出格式

输出1行,包含一个整数,表示增设路标后能达到的最小“空旷指数”值。

输入输出样例

输入 #1复制

101 2 10 101

输出 #1复制

51

说明/提示

公路原来只在起点和终点处有两个路标,现在允许新增一个路标,应该把新路标设在距起点50或51个单位距离处,这样能达到最小的空旷指数51。

50%的数据中,2 ≤ N ≤100,0 ≤K ≤100

100%的数据中,2 ≤N ≤100000, 0 ≤K ≤100000

100%的数据中,0 < L ≤10000000

发现自己越来越迷糊啥时候用第一个板子啥时候第二个板子了..纯属交一遍不行再改一遍。这道题自己当时的模拟有点小思路错误。

#include<iostream>#include<vector>#include<queue>#include<cstring>#include<cmath>#include<cstdio>#include<algorithm>using namespace std;const int maxn=1e5+10;typedef long long LL;LL a[maxn];LL L,N,K;LL check(LL mid){	LL cnt=0;LL start=0;	for(LL i=1;i<=N+1;i++) // 起点(0)  3   4 5 6 	{				if(a[i]-start>mid)		{			cnt+=(a[i]-start)/mid;			if ( (a[i]-start)%mid==0) cnt--;//可以是两倍三倍的大 		} 		start=a[i];///起点是一直变的,所以模拟要清楚,还不如a[i+1]-a[i] 	}			if(cnt>K) return 0;//看实际意义的check和二分后面的,决定是该提还是降 	else return 1; }LL bsearch(LL l,LL r){	while(l<r)	{		LL mid=(l+r)>>1;		if(check(mid)) r=mid;		else l=mid+1;	}	return l;}int main(void){  cin.tie(0);std::ios::sync_with_stdio(false);  cin>>L>>N>>K;  for(LL i=1;i<=N;i++) cin>>a[i];  sort(a+1,a+1+N);  a[N+1]=L;  //枚举相邻路标的最大距离  LL t=bsearch(1,L+1);  //只有起点和终点,没有其他路标时   if(t==L+1)  {   cout<<L<<endl;	  }   else cout<<t<<endl;return 0;}

转载地址:http://qtdt.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>