题解:AtCoder AT_awc0087_c Shortest Mountain Climbing Route

本文分享的必刷题目是从蓝桥云课洛谷AcWing等知名刷题平台精心挑选而来,并结合各平台提供的算法标签和难度等级进行了系统分类。题目涵盖了从基础到进阶的多种算法和数据结构,旨在为不同阶段的编程学习者提供一条清晰、平稳的学习提升路径。

欢迎大家订阅我的专栏:算法题解:C++与Python实现

附上汇总贴:算法竞赛备考冲刺必刷题(C++) | 汇总


【题目来源】

AtCoder:C - Shortest Mountain Climbing Route

【题目描述】

Takahashi enjoys mountain climbing and is planning a traverse route through a mountain range. The mountain range has N N N points arranged in a line, numbered from 1 1 1 to N N N, and the elevation of each point i i i ( 1 ≤ i ≤ N 1 \leq i \leq N 1iN) is A i A_i Ai meters.

Takahashi chooses a pair of integers ( l , r ) (l, r) (l,r) satisfying 1 ≤ l ≤ r ≤ N 1 \leq l \leq r \leq N 1lrN, and walks a route that passes through each point in order from point l l l to point r r r in ascending order of their numbers. The number of points included in this route is r − l + 1 r - l + 1 rl+1.

The total elevation change of this route is defined as the sum of the absolute differences in elevation between adjacent points along the route, namely:

∑ i = l r − 1 ∣ A i + 1 − A i ∣ \sum_{i=l}^{r-1} |A_{i+1} - A_i| i=lr1Ai+1Ai

Note that when l = r l = r l=r, this sum is an empty sum, so the total elevation change is 0 0 0.

Takahashi wants to walk a route with a total elevation change of at least K K K for training purposes. However, since he is short on time, he wants to choose a route that satisfies the condition while containing the fewest number of points.

If a route with a total elevation change of at least K K K exists, find the minimum number of points included in such a route. If no such route exists, output − 1 -1 1.

高桥热爱登山,正在规划一条穿越山脉的路线。这座山脉有 N N N 个点排成一行,编号从 1 1 1 N N N,每个点 i i i 1 ≤ i ≤ N 1 \leq i \leq N 1iN)的海拔高度为 A i A_i Ai 米。

高桥选择一对满足 1 ≤ l ≤ r ≤ N 1 \leq l \leq r \leq N 1lrN 的整数 ( l , r ) (l, r) (l,r),并按编号递增的顺序依次经过从点 l l l 到点 r r r 的每个点。这条路线包含的点的数量为 r − l + 1 r - l + 1 rl+1

这条路线的总海拔变化定义为沿线相邻点之间海拔差的绝对值之和,即:

∑ i = l r − 1 ∣ A i + 1 − A i ∣ \sum_{i=l}^{r-1} |A_{i+1} - A_i| i=lr1Ai+1Ai

注意,当 l = r l = r l=r 时,这是一个空和,因此总海拔变化为 0 0 0

高桥为了训练目的,想要走一条总海拔变化至少为 K K K 的路线。但是,由于时间有限,他想在满足条件的前提下选择包含最少点的路线。

如果存在总海拔变化至少为 K K K 的路线,求此类路线中包含的最小点数。如果不存在这样的路线,输出 − 1 -1 1

【输入】

N N N K K K
A 1 A_1 A1 A 2 A_2 A2 … \ldots A N A_N AN

  • The first line contains an integer N N N representing the number of points and an integer K K K representing the lower bound on the total elevation change, separated by a space.
  • The second line contains integers A 1 , A 2 , … , A N A_1, A_2, \ldots, A_N A1,A2,,AN representing the elevation of each point, separated by spaces.

【输出】

If a route with a total elevation change of at least K K K exists, output the minimum number of points included in such a route on a single line. If no such route exists, output − 1 -1 1.

【输入样例】

5 5
1 4 2 5 3

【输出样例】

3

【核心思想】

  1. 问题分析:给定 N N N 个点的海拔高度 A i A_i Ai 和目标海拔变化 K K K。定义区间 [ l , r ] [l, r] [l,r] 的总海拔变化为 ∑ i = l r − 1 ∣ A i + 1 − A i ∣ \sum_{i=l}^{r-1} |A_{i+1} - A_i| i=lr1Ai+1Ai。需要找到总海拔变化至少为 K K K 的最短区间(包含点数最少)。这是一个滑动窗口问题,关键在于利用单调性快速找到满足条件的最短区间。

  2. 算法选择

    • 滑动窗口(双指针):维护一个可变长度的窗口 [ l , r ] [l, r] [l,r],右指针 r r r 向右扩展窗口,左指针 l l l 在条件满足时向右收缩窗口
    • 贪心策略:当窗口内的总海拔变化 ≥ K \geq K K 时,尝试收缩左边界以找到更短的满足条件的区间
  3. 关键步骤

    • 初始化:左指针 l = 1 l = 1 l=1,右指针 r = 1 r = 1 r=1,当前和 s u m = 0 sum = 0 sum=0,答案 a n s = N + 1 ans = N + 1 ans=N+1(初始化为无穷大)
    • 滑动窗口遍历 r r r 1 1 1 N N N):
      • 扩展窗口:如果 r > l r > l r>l,将 ∣ A [ r ] − A [ r − 1 ] ∣ |A[r] - A[r-1]| A[r]A[r1] 加入 s u m sum sum
      • 收缩窗口(当 l < r l < r l<r s u m ≥ K sum \geq K sumK 时循环):
        • 更新答案: a n s = min ⁡ ( a n s , r − l + 1 ) ans = \min(ans, r - l + 1) ans=min(ans,rl+1)
        • 移除左边界的贡献: s u m − = ∣ A [ l + 1 ] − A [ l ] ∣ sum -= |A[l+1] - A[l]| sum=A[l+1]A[l]
        • l + + l++ l++(左边界右移)
    • 输出结果:如果 a n s = = N + 1 ans == N + 1 ans==N+1 输出 − 1 -1 1,否则输出 a n s ans ans
  4. 时间/空间复杂度

    • 时间复杂度: O ( N ) O(N) O(N),每个指针最多移动 N N N
    • 空间复杂度: O ( N ) O(N) O(N),存储海拔高度数组
  5. 滑动窗口的核心思想

    • 单调性:右指针 r r r 只向右移动,左指针 l l l 也只向右移动,不会回溯
    • 双指针协同:右指针负责扩展窗口使条件满足,左指针负责收缩窗口寻找最优解
    • 最优性保证:当条件满足时,当前窗口长度是一个候选答案,通过收缩左边界尝试找到更短的满足条件的窗口
    • 适用场景:寻找满足某种条件的最短/最长子数组、子区间问题
    • 适用于连续子数组、子区间统计问题

【算法标签】

#双指针

【代码详解】

#include <bits/stdc++.h>
using namespace std;
#define int long long
const int N = 200005;  // 定义最大数组长度
int n, k;  // 数组长度n,目标和k
int a[N], sa[N];  // 数组a,前缀和数组sa(此处未使用)
signed main()  // 主函数
{
    cin >> n >> k;  // 输入数组长度和目标和
    for (int i=1; i<=n; i++)  // 读取数组元素
        cin >> a[i];  // 输入第i个元素
    // for (int i=2; i<=n; i++)  // 计算相邻元素差的前缀和(被注释掉)
    //     sa[i] = sa[i-1] + abs(a[i]-a[i-1]);
    int sum = 0;  // 当前窗口内相邻元素差的绝对值之和
    int ans=n+1;  // 初始化答案为n+1(表示未找到)
    for (int l=1, r=1; r<=n; r++)  // 滑动窗口,l为左指针,r为右指针
    {
        if (r>l)  // 如果窗口内有多个元素
            sum += abs(a[r]-a[r-1]);  // 将新增的相邻差加入总和
        while (l<r && sum>=k)  // 当总和超过或等于k时,尝试缩小窗口
        {
            ans = min(ans, r - l + 1);  // 更新最小窗口长度
            sum -= abs(a[l+1]-a[l]);  // 移除左边界相邻差
            l++;  // 左指针右移
        }
    }
    if (ans==n+1) cout << -1 << endl;  // 如果未找到满足条件的窗口,输出-1
    else cout << ans << endl;  // 否则输出最小窗口长度
    return 0;  // 程序正常结束
}

【运行结果】

5 5
1 4 2 5 3
3
源码直接下载地址: https://pan.quark.cn/s/95437fdf229e Intel I-219V网卡驱动是一款专门为Intel的I-219V千兆以太网控制器而研发的驱动程序,其主要作用在于保障在Ubuntu 16.04操作系统环境下的正常运作以及优化系统性能。Intel I-219V作为一款广泛应用的内置网络接口控制器(NIC),常被集成在台式机及笔记本电脑的主板上,负责提供高速的网络连接服务。Intel公司所提供的e1000e驱动是与此硬件相配套的开源驱动解决方案,其中版本3.3.5.3是专门针对该硬件设备的定制版本。此驱动包含了不可或缺的源代码部分,赋予开发者和系统管理者按照特定需求进行编译和定制的权限,从而能够适应多样化的系统配置或针对特定情形进行问题解决。源代码的可用性同样表明用户有能力依据Linux内核的更新情况来升级驱动,确保与最新技术标准的兼容性。在Ubuntu 16.04系统中成功编译的驱动意味着它已经通过了严苛的测试流程,并能够与该版本的Linux内核实现良好兼容。Ubuntu 16.04,其代号为Xenial Xerus,是一个长期支持(LTS)的版本,因此对于那些追求系统稳定性和安全保障的用户群体而言具有特殊的意义。驱动程序的兼容性保障了I-219V网卡能够在该系统平台上实现无缝运行,提供稳定可靠的网络连接,这既包括局域网(LAN)的连接,也可能涵盖通过Wi-Fi桥接实现的无线网络连接。驱动程序的核心职责涵盖了网络接口的初始化与管理、数据包的接收与发送处理,以及错误检测与纠正功能的执行。在Linux操作系统架构中,驱动通常以模块的形式加载至内核之中,这种设计允许在非必要时期进行卸载操作,以此来有效节省系统资源。e1000e驱...
内容概要:本文围绕基于共识的捆绑算法(CBBA)在多智能体系统中的多任务分配问题展开研究,重点应用于远程太空船交会与维修的相对轨道操作(RPO)规划。通过Matlab代码实现了CBBA算法,系统地解决了多个航天器在复杂空间环境下协同执行多目标任务时的任务分配、路径规划与动态协商问题。研究详细展示了算法在任务分解、竞标机制、共识达成及冲突消解等方面的核心逻辑,验证了其在分布式决策、通信受限条件下的高效性与鲁棒性,并结合航天工程实际背景突出了算法的应用价值。该资源不仅提供完整的仿真代码,还包含详细的流程解析,有助于深入理解多智能体协同机制的设计原理。; 适合人群:具备控制理论、航天器动力学、多智能体系统或分布式优化背景的研究生、科研人员及航空航天领域工程技术人员,熟练掌握Matlab编程者尤佳。; 使用场景及目标:①应用于在轨服务、空间碎片清除、多航天器编队飞行、星座维护等多智能体协同任务的任务分配与规划;②为研究人员提供CBBA算法的实现范例,支撑其开展分布式任务规划算法的改进与扩展研究;③作为教学案例用于高级课程中讲解多智能体协同决策机制。; 阅读建议:建议结合Matlab代码逐模块分析算法实现过程,重点关注任务打包、竞标更新、共识收敛等关键环节,可尝试引入通信延迟、故障容错或障碍规避机制以进一步提升算法实用性。
内容概要:本文介绍了一种基于关键场景辨别算法的两阶段鲁棒微网优化调度方法,旨在有效应对风电等可再生能源出力不确定性带来的调度挑战。通过Matlab代码实现,构建了包含预调度与实时调整的两阶段鲁棒优化模型,第一阶段制定初始调度计划以应对不确定性,第二阶段根据实际运行数据进行修正,从而提升微网运行的经济性与可靠性。该方法结合场景生成与缩减技术,识别关键不确定性场景,降低计算复杂度,同时增强了调度方案的鲁棒性。文中还探讨了该方法与智能优化算法、机器学习及电力系统仿真工具的集成应用,展现了其在复杂综合能源系统中的广阔应用前景。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事新能源、微网优化、不确定性建模与鲁棒调度等领域研究的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于高比例可再生能源接入的微电网优化调度,提高系统对源荷不确定性的适应能力与运行稳定性;②为科研人员提供可复现的两阶段鲁棒优化建模与求解范例,支撑高水平学术论文的复现、算法改进与创新研究。; 阅读建议:建议结合提供的Matlab代码与网盘资料,动手实践关键场景生成、不确定性建模、两阶段优化建模与求解全过程,重点关注鲁棒优化框架的设计逻辑与关键场景辨别的实现机制,同时参考文中提及的多种算法与工具,拓展研究思路与应用场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值