算法学习系列(四十):贡献法

目录

  • 引言
  • 概念
  • 一、孤独的照片
  • 二、牛的基因学
  • 三、字串分值

引言

关于这个贡献法考的不是很多,主要题型是出现在需要枚举每一个组合这类题,出现的次数较多。没有固定的模板,就是一种思想,跟贪心一样,每个题都是不一样的,还是要具体问题具体分析,所以 见题是很重要的,本文章也是从讲题的方式来讲解。


概念

贡献法:从枚举的思路改为每个元素能为总和贡献多少,跟贪心一样是一种思想,没有固定的模板和套路,只能因题而异。


一、孤独的照片

标签:贡献法

思路:这道题如果用暴力也就是 O ( N 2 ) O(N^2) O(N2) 的做法,肯定是超时的,能过 5 12 \frac{5}{12} 125 的数据,我就不写了。题目可以简化为,一个字符串中个数大于等于 3 3 3 的子串中只有一个不同字符的数量(字符串中只有两种字符)。我们可以枚举每一个牛,看这个牛能为最终答案贡献多少种可能。有三种情况,如下图,第一种,左右两边至少有一头牛,拿左边连续的不同的牛的数量乘以右边连续的不同的牛的数量,第二、三种,只有一边有连续的不同的牛,拿该数量减一与 0 0 0 取最大值即可,把枚举的所有值相加即可。关于如果求左右两边不同的连续牛的个数,见代码。
在这里插入图片描述

题目描述:

Farmer John 最近购入了 N 头新的奶牛,每头奶牛的品种是更赛牛(Guernsey)或荷斯坦牛(Holstein)之一。

奶牛目前排成一排,Farmer John 想要为每个连续不少于三头奶牛的序列拍摄一张照片。

然而,他不想拍摄这样的照片,其中只有一头牛的品种是更赛牛,或者只有一头牛的品种是荷斯坦牛——他认为这头奇特的
牛会感到孤立和不自然。

在为每个连续不少于三头奶牛的序列拍摄了一张照片后,他把所有「孤独的」照片,即其中只有一头更赛牛或荷斯坦奶牛
的照片,都扔掉了。

给定奶牛的排列方式,请帮助 Farmer John 求出他会扔掉多少张孤独的照片。

如果两张照片以不同位置的奶牛开始或结束,则认为它们是不同的。

输入格式
输入的第一行包含 N。

输入的第二行包含一个长为 N 的字符串。如果队伍中的第 i 头奶牛是更赛牛,则字符串的第 i 个字符为 G。否则,第 
i 头奶牛是荷斯坦牛,该字符为 H。

输出格式
输出 Farmer John 会扔掉的孤独的照片数量。

数据范围
3≤N≤5×105
输入样例:
5
GHGHG
输出样例:
3
样例解释
这个例子中的每一个长为 3 的子串均恰好包含一头更赛牛或荷斯坦牛——所以这些子串表示孤独的照片,并会被 Farmer 
John 扔掉。

所有更长的子串(GHGH、HGHG 和 GHGHG)都可以被接受。

示例代码:

#include <bits/stdc++.h>

using namespace std;

typedef long long LL;

const int N = 5e5+10;

int n;
char str[N];
int l[N], r[N];

int main()
{
    ios::sync_with_stdio(0); cin.tie(0); cout.tie(0);
    
    cin >> n >> str;
    
    for(int i = 0, sg = 0, sh = 0; i < n; ++i)
    {
        if(str[i] == 'G') l[i] = sh, sg++, sh = 0;
        if(str[i] == 'H') l[i] = sg, sh++, sg = 0;
    }
    
    for(int i = n - 1, sg = 0, sh = 0; i >= 0; --i)
    {
        if(str[i] == 'G') r[i] = sh, sg++, sh = 0;
        if(str[i] == 'H') r[i] = sg, sh++, sg = 0;
    }
    
    LL res = 0;
    for(int i = 0; i < n; ++i)
    {
        res += (LL)l[i] * r[i] + max(0, l[i] - 1) + max(0, r[i] - 1);
    }
    
    cout << res << endl;
    
    return 0;
}

二、牛的基因学

标签:贡献法

思路:首先要求最大的值,也就是该子串跟另一个子串嵌套循环各移动 n n n 次,比较同一位置的字符是否相同,求另一个字符串的组合有多少可能。最大值问题可以转换为第一个字符串不动,第二个字符串中的每个字符都跟第一个字符串的字符比较一次,求最大值,如下图所示,所以我们把 t t t 中的所有字符都成为 s s s 中出现次数最多的那个字符,这样最大值就是 n n n 倍的该数出现的次数。可能性取决于出现次数最多的数可能有多个,所以从 s s s 中找出出现次数最多的数的个数 c t ct ct ,t中的每个字符都有 c t ct ct 中选法,最终答案就是 c t n ct ^ n ctn
在这里插入图片描述

题目描述:

贝茜最近正在学习基因学,具体来说她正在研究 DNA 序列比对。

DNA 序列字符串是指由字符 A、C、G、T 组成的字符串。

设字符串 s 和 t 是两个长度为 n 的 DNA 序列字符串。

将函数 h(s,t) 定义为在字符串 s 和 t 中,字符相同的位置数量。

利用函数 h(s,t) 进一步定义 DNA 距离函数 ρ(s,t):

ρ(s,t)=∑i=0n−1∑j=0n−1h(shift(s,i),shift(t,j))其中,shift(s,i) 表示将字符串 s 循环左移 i 位后得到的字符串。

例如:

ρ(“TCG”,”GCA”)=h(“TCG”,”GCA”)+h(“TCG”,”CAG”)+h(“TCG”,”AGC”)+

h(“CGT”,”GCA”)+h(“CGT”,”CAG”)+h(“CGT”,”AGC”)+

h(“GTC”,”GCA”)+h(“GTC”,”CAG”)+h(“GTC”,”AGC”)=

1+1+0+0+1+1+1+0+1=6

现在,给定一个长度为 n 的 DNA 序列字符串 s,请你统计一共有多少个长度为 n 的 DNA 序列字符串 t 与字符串 s 的 DNA 距
离达到最大可能值。

更形象地说,请你计算一共有多少个长度为 n 的 DNA 序列字符串 t 满足:ρ(s,t)=maxu:|u|=|s|ρ(s,u)。

由于结果可能很大,你只需要输出对 109+7 取模后的结果。

输入格式
第一行包含整数 n。

第二行包含一个长度为 n 的由字符 A、C、G、T 组成的字符串,表示字符串 s。

输出格式
一个整数,表示对 109+7 取模后的结果。

数据范围前 3 个测试点满足 1≤n≤3。
所有测试点满足 1≤n≤105。

输入样例1:
1
C
输出样例1:
1
输入样例2:
2
AG
输出样例2:
4
输入样例3:
3
TTT
输出样例3:
1

示例代码:

#include <bits/stdc++.h>

using namespace std;

typedef long long LL;

const int N = 1e5+10, MOD = 1e9+7;

int n;
char str[N];
int cnt[100];

int main()
{
    ios::sync_with_stdio(0); cin.tie(0); cout.tie(0);
    
    cin >> n >> str;
    
    int mx = 0, ct = 0;
    for(int i = 0; i < n; ++i)
    {
        int t = ++cnt[str[i]];
        if(t > mx) mx = t, ct = 0;
        if(t == mx) ct++;
    }
    
    LL res = 1;
    for(int i = 0; i < n; ++i)
    {
        res = res * ct % MOD;
    }
    
    cout << res << endl;
    
    return 0;
}

三、字串分值

标签:贡献法

思路:如果按常规思路就是枚举每个子串,然后判断每个子串中恰好出现一次字符的个数,时间复杂度都为 O ( N 3 ) O(N^3) O(N3) 了,而 N = 1 0 5 N = 10 ^ 5 N=105,明显超超时了,所以得换一种思路。我们可以枚举每一个字符的贡献程度,最后相加即可。每个字符的贡献程度,可以算出该字符左边和右边第一次出现的位置,然后根据排列组合可以得出总共可以有多少个有效子串的组合,由图可以得出计算公式应为 ( i − l [ i ] ) ∗ ( r [ i ] − i ) (i - l[i]) * (r[i] - i) (il[i])(r[i]i) ,然后遍历所以字符即可。
在这里插入图片描述

题目描述:

对于一个字符串 S,我们定义 S 的分值 f(S) 为 S 中恰好出现一次的字符个数。

例如 f(“aba”)=1,f(“abc”)=3, f(“aaa”)=0。

现在给定一个字符串 S[0…n−1](长度为 n),请你计算对于所有 S 的非空子串 S[i…j](0≤i≤j<n), f(S[i…j]) 的和是多少。

输入格式
输入一行包含一个由小写字母组成的字符串 S。

输出格式
输出一个整数表示答案。

数据范围
对于 20% 的评测用例,1≤n≤10;
对于 40% 的评测用例,1≤n≤100;
对于 50% 的评测用例,1≤n≤1000;
对于 60% 的评测用例,1≤n≤10000;
对于所有评测用例,1≤n≤100000。

输入样例:
ababc
输出样例:
21
样例说明
所有子串 f 值如下:

a     1
ab    2
aba   1
abab  0
ababc 1
 b    1
 ba   2
 bab  1
 babc 2
  a   1
  ab  2
  abc 3
   b  1
   bc 2
    c 1

示例代码:

#include <bits/stdc++.h>

using namespace std;

typedef long long LL;

const int N = 1e5+10;

int n;
char str[N];
int l[N], r[N], p[26]; 

int main()
{
    ios::sync_with_stdio(0); cin.tie(0); cout.tie(0);
    
    cin >> str + 1;
    n = strlen(str+1);
    
    for(int i = 1; i <= n; ++i)
    {
        int t = str[i] - 'a';
        l[i] = i - p[t];
        p[t] = i;
    }
    
    for(int i = 0; i < 26; ++i) p[i] = n + 1;
    for(int i = n; i > 0; --i) 
    {
        int t = str[i] - 'a';
        r[i] = p[t] - i;
        p[t] = i;
    }
    
    LL res = 0;
    for(int i = 1; i <= n; ++i)
    {
        res += (LL)l[i] * r[i];
    }
    
    cout << res << endl;
    
    return 0;
}

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:/a/454456.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

基于opencv的手势识别

当然可以&#xff0c;下面是一个使用OpenCV实现简单手势识别&#xff0c;并在摄像头捕捉的视频中描绘出手部轮廓为线条的示例。该代码会读取摄像头流&#xff0c;然后检测出手部&#xff0c;并用线条描绘出手的轮廓。 首先&#xff0c;你需要安装OpenCV库。如果你还没有安装&am…

C# 第三方曲线库及其特点

在 C# 中&#xff0c;有几个第三方库可以用于绘制曲线图&#xff0c;每个库都有自己的特点和优势。以下是一些常见的 C# 第三方曲线库及其特点&#xff0c;希望对大家有所帮助。北京木奇移动技术有限公司&#xff0c;专业的软件外包开发公司&#xff0c;欢迎交流合作。 1.LiveC…

普通人也能年入百万的超级秘籍!2024超级机会,低薪人的第二事业

一、选对行业与把握时机尤为关键。 入场时机的选择&#xff0c;往往决定了你的起跑线。那些在行业赛道上升期便早早布局的人&#xff0c;无疑占据了极大的优势。想象一下&#xff0c;你置身于一个市场需求持续增长、发展空间巨大的行业&#xff0c;成功的机会自然大增。比如现…

Parade Series - WebRTC ( < 300 ms Low Latency )

Parade Series - FFMPEG (Stable X64) C:\Conda\parading-cam>ffmpeg -f dshow -i video"Surface Camera Front" -vcodec libx264 -preset:v ultrafast -tune:v zerolatency -an -rtsp_transport tcp -f rtsp://127.0.0.1:8554/cam0801

生存预后不显著?最佳阈值来帮你!| 附完整代码 + 注释

大家在进行生存预后分析时发现结果不显著&#xff0c;是不是当头一棒&#xff01;两眼一黑&#xff01;难不成这就代表我们的研究没意义吗&#xff1f;NONONO&#xff01;别慌&#xff01;说不定还有救&#xff01;快来看看最佳阈值能不能捞你一把&#xff01; 对生存分析感兴趣…

DAY by DAY 史上最全的Linux常用命令汇总----man

man是按照手册的章节号的顺序进行搜索的。 man设置了如下的功能键&#xff1a; 功能键 功能 空格键 显示手册页的下一屏 Enter键 一次滚动手册页的一行 b 回滚一屏 f 前滚一屏 q 退出man命令 h 列出所有功能键 /word 搜索word字符串 注意&#xff1a…

多数问题求解之蒙特卡洛与分治法

多数问题&#xff08;Majority Problem&#xff09;是一个有多种求解方法的经典问题&#xff0c;其问题定义如下&#xff1a; 给定一个大小为 n n n的数组&#xff0c;找出其中出现次数超过 n / 2 n/2 n/2的元素 例如&#xff1a;当输入数组为 [ 5 , 3 , 5 , 2 , 3 , 5 , 5 ] […

Qt 如何搭建Lua的运行环境

一、Lua简介 Lua 是一种强大的、高效的、轻量级的、可嵌入的脚本语言。它支持过程&#xff08;procedural&#xff09;编程、面向对象编程、函数式编程以及数据描述。Lua 是动态类型的&#xff0c;运行速度快&#xff0c;支持自动内存管理&#xff0c;因此被广泛用于配置、脚本…

java-集合工具类Collections

我们在使用它的时候记得导包 常见API 我们就简单看看第一第二个方法&#xff0c;代码如下&#xff0c;其余的知道用就行

基于经验模式分解和小波阈值的自适应降噪研究_杨铮

目的 针对轴承信号在采集过程中容易受到不同环境下噪声干扰&#xff0c;提出EMD分解结合小波阈值的自适应降噪的方法&#xff0c;对轴承振动信号进行降噪处理&#xff0c;提取出所需要的振动信号。方法 首先对含有噪声的轴承信号进行EMD分解&#xff0c;得到n个IMF并进行小波阈…

GUROBI之数学启发式算法Matheuristics

参考运小筹的帖子&#xff1a;优化求解器 | Gurobi 数学启发式算法&#xff1a;参数类型与案例实现 - 知乎 (zhihu.com) 简言之&#xff0c;数学启发式是算法就是数学规划和启发式算法的融合&#xff0c;与元启发式算法相比&#xff0c;数学启发式算法具有更强的理论性。 在GUR…

C++初阶

1.缺省参数 给缺省参数的时候&#xff0c;不能声明&#xff0c;定义同时给&#xff0c;只能声明的时候给缺省参数&#xff0c;同时给程序报错&#xff1b; 2.函数重载 C语言不允许同名函数的存在&#xff0c;函数名不能相同&#xff0c;C引入函数重载&#xff0c;函数名可以…

SOLIDWORKS 2024新版价格 SOLIDWORKS2024专业版白金版多少钱?

达索 SOLIDWORKS 一直以来都致力于让每位设计师和工程师的设计都触手可及。SOLIDWORKS贯彻的使命就是通过功能强大且易于使用的产品开发解决方案&#xff0c;在创造、协作和提供创新的产品体验方面助您一臂之力。SOLIDWORKS 2024延续了这一期望&#xff0c;同时开启了强化使用S…

Altium Designer快速入门及项目实战教程之PCB设计(四)

一、引言 在我们的Altium Designer系列教程中&#xff0c;我们已经一起走过了软件界面的初识、原理图的绘制&#xff0c;以及元件库的建立。今天&#xff0c;我们将进入这一系列教程的高潮部分——PCB设计。 PCB设计不仅是电子产品开发过程中的核心&#xff0c;也是检验一个电…

Maven项目添加依赖

maven仓库&#xff1a;Maven Repository: Search/Browse/Explore (mvnrepository.com) 1.在maven仓库中搜素自己想要的依赖&#xff0c;选择合适的版本号&#xff0c;复制以下内容(依赖坐标)。 2.在pom.xml中把复制的粘贴进去。刷新。&#xff08;注意内容要放在dependencies双…

修改表结构

目录 修改表结构 创建数据表插入数据 修改已有列 修改 member 表的 name 列的定义 为表增加列 增加一个 address 列&#xff0c;这个列上不设置默认值 增加一个 sex 列&#xff0c;这个列上设置默认值 删除表中的列 删除 sex 列 Oracle从入门到总裁:​​​​​​https…

西门子PLCS7-1200位逻辑指令的使用

1.LAD触点 常开触点的位值为1时&#xff0c;常开触点将闭合&#xff08;ON&#xff09;。位值为0时&#xff0c;常开触点将闭合&#xff08;OFF&#xff09;。 常闭触点的位值为1时&#xff0c;常闭触点将闭合&#xff08;OFF&#xff09;。位值为0时&#xff0c;常闭触点将闭…

一文掌握mysql中的查询语句

目录 1. 聚合查询1.1 聚合函数1.2 GROUP BY子句1.3 HAVING 2. 联合查询2.1 内连接2.2 外连接2.3 自连接2.4 子查询2.5 合并查询 1. 聚合查询 1.1 聚合函数 常见的统计总数、计算平局值等操作&#xff0c;可以使用聚合函数来实现&#xff0c;常见的聚合函数有&#xff1a; 函…

从0到1:如何用AI完成高质量的科研论文写作?

人工智能革命&#xff1a;如何让聊天机器人更懂你 人工智能正在以其强大的数据处理和语言生成能力改变世界。在学术界&#xff0c;大语言模型&#xff08;LLM&#xff09;为科学交流带来了一种新的工具。我们旨在有效地将AI工具与学术写作相结合&#xff0c;以更有效和更有影响…

关于图在推荐系统中的研究

业界最新的论文 Intent-aware Recommendation via Disentangled Graph Contrastive Learning 作者&#xff1a;Yuling Wang, Xiao Wang, Xiangzhou Huang, Yanhua Yu, Haoyang Li, Mengdi Zhang, Zirui Guo, Wei Wu 地址&#xff1a;https://arxiv.org/abs/2403.03714 论文…