• UVALive 3716 DNA Regions


    题目大意:给定两个长度相等的字符串A和B,与一个百分比p%,求最长的、失配不超过p%的区间长度。O(nlogn)。

    题目比较简单套路,推推式子就好了。

    记S[i]表示到下标i一共有多少个失配,就相当于前缀和。那么对于一段区间[l,r],有以下式子成立:

    然后转化一下得到:

    把变量相同的项放在一边:

    两边形式是一样的,不妨设:

    则有:

    枚举右端点r,找到左边最左边的、f值大于等于它的值,即为对于r的答案。

    怎么找呢?一种方法是按f值sort一下,把下标扔进堆里,或者随便搞搞就可以了。

    还有一种方法是记录前缀最大值,二分查找即可,复杂度O(nlogn),可以过去。

    还有一种复杂度相同,但常数更小的方法:

    看上面那个前缀最大值,答案一定在出现变化的点上。

    我们把变化的点记录下来,在这上面二分就好了。

    因为数组长度会变小,所以可以大力降常。

    #include    <iostream>
    #include    <cstdio>
    #include    <cstdlib>
    #include    <algorithm>
    #include    <vector>
    #include    <cstring>
    #include    <queue>
    #include    <complex>
    #include    <stack>
    #define LL long long int
    #define dob double
    #define FILE "3716"
    using namespace std;
    
    const int N = 150010;
    int n,p,S[N],f[N],bin[N],tot,Mx,Ans;
    char A[N],B[N];
    
    inline int gi(){
      int x=0,res=1;char ch=getchar();
      while(ch>'9'||ch<'0'){if(ch=='-')res*=-1;ch=getchar();}
      while(ch<='9'&&ch>='0')x=x*10+ch-48,ch=getchar();
      return x*res;
    }
    
    int main()
    {
      freopen(FILE".in","r",stdin);
      freopen(FILE".out","w",stdout);
      while((n=gi())&&(p=gi())){
        scanf("%s",A+1);scanf("%s",B+1);
        for(int i=1;i<=n;++i){
          S[i]=S[i-1]+(A[i]!=B[i]);
          f[i]=100*S[i]-p*i;
        }
        bin[tot=1]=Mx=0;bin[n+1]=n;Ans=1-S[1];
        for(int i=1;i<=n;++i){
          if(f[i]>f[Mx]){bin[++tot]=Mx=i;continue;}
          register int l=0,r=tot,ans=n+1;
          while(l<=r){
            int mid=(l+r)>>1;
            if(f[bin[mid]]<f[i])l=mid+1;
            else ans=mid,r=mid-1;
          }
          Ans=max(Ans,i-bin[ans]);
        }
        Ans?printf("%d
    ",Ans):printf("No solution.
    ");
      }
      fclose(stdin);fclose(stdout);
      return 0;
    }
    DNA Regions
  • 相关阅读:
    java正则表达式语法详解及其使用代码实例 (转)
    【SpringMVC学习09】SpringMVC与前台的json数据交互 (转)
    SpringMVC基于代码的配置方式(零配置,无web.xml)
    倒车入库操作要求
    R通过RJDBC连接外部数据库 (转)
    卡尔曼滤波——11.预测峰值
    卡尔曼滤波——10.均值漂移
    卡尔曼滤波——6.评估高斯分布
    神经网络入门——16实现一个反向传播
    神经网络入门——15反向传播
  • 原文地址:https://www.cnblogs.com/fenghaoran/p/7663752.html
Copyright © 2020-2023  润新知