【牛客刷题】带你在牛客刷题第八弹(简单排序)

简介: 哈喽,今天是我们牛客刷题训练第八弹,今天我们来刷一些简单排序的问题,这些问题相对于之前的C/C++基础来说难度肯定是高出了一些,但是我相信,只要我们一步步去分析,最后肯定是可以得到正确的答案的,来我们一起加油。

第一题 Laptop


题目描述

FST是一名可怜的小朋友,他很强,但是经常fst,所以rating一直低迷。

但是重点在于,他非常适合ACM!并在最近的区域赛中获得了不错的成绩。

拿到奖金后FST决定买一台新笔记本,但是FST发现,在价格能承受的范围内,笔记本的内存和速度是不可兼得的。

可是,有一些笔记本是被另外一些“完虐”的,也就是内存和速度都不高所以于另外某一个笔记本,现在FST想统计一下有多少笔记本被“完虐”。


输入描述:

第一行一个正整数n,

表示笔记本的数量。接下来n行,每行两个正整数Mi,Si表示这款笔记本的内存和速度。

n≤105,Mi,Si≤109

输出描述:

一行,一个正整数,表示被完虐的笔记本数。


示例1

输入

4

100 700

200 500

50 100

300 400

输出

1


备注:

Mi和Si都是越大越优。

数据保证Mi互不相同,Si也互不相同。

讲解

这道题目就是我们要去判断两个数都不大于其他数的数,这里我们可以将两个数据放入pair里面,然后对他进行排序(调用函数),然后我们先对前面一个数排序,然后前面数相等就对后面数排序,之后我们要进行遍历这些元素,这些元素的前面数都是已经排序过的,这时我们一直维护第二个数的最大值然后对数据进行比较就可以了。


AC

#include<iostream>
#include<algorithm>
#include<cstdio>
using namespace std;
pair<int, int> a[100010];
int main()
{
    int n, j, k;
    cin >> n;
    for (int i = 0;i < n;i++)
    {
        scanf("%d%d",&j,&k);
        a[i].first = j;
        a[i].second = k;
    }
    sort(a, a + n);
    int ans = 0;
    j = n - 1;
    for (int i = n - 2;i >= 0;i--)
    {
        if (a[j].second > a[i].second)
        {
            if (a[j].first > a[i].first)
                ans++;
        }
        else j = i;
    }
    cout << ans << endl;
    return 0;
}

1.png



第二题 [NOIP2010]导弹拦截


题目描述

经过11年的韬光养晦,某国研发出了一种新的导弹拦截系统,凡是与它的距离不超过其工作半径的导弹都能够被它成功拦截。当工作半径为0时,则能够拦截与它位置恰好相同的导弹。但该导弹拦截系统也存在这样的缺陷:每套系统每天只能设定一次工作半径。而当天的使用代价,就是所有系统工作半径的平方和。


某天,雷达捕捉到敌国的导弹来袭。由于该系统尚处于试验阶段,所以只有两套系统投入工作。如果现在的要求是拦截所有的导弹,请计算这一天的最小使用代价。


输入描述:

第一行包含4个整数x_1、y_1、x_2、y_2x1、y1、x2、y2,每两个整数之间用一个空格隔开,表示这两套导弹拦截系统的坐标分别为(x_1, y_1)、(x_2, y_2)(x1,y1)、(x2,y2)。

第二行包含1个整数N,表示有N颗导弹。接下来N行,每行两个整数x、y,中间用一个空格隔开,表示一颗导弹的坐标(x, y)。不同导弹的坐标可能相同。

输出描述:

输出只有一行,包含一个整数,即当天的最小使用代价。


示例1

输入

0 0 10 0

2

-3 3

10 0

输出

18

说明


要拦截所有导弹,在满足最小使用代价的前提下,两套系统工作半径的平方分别为18和0。


示例2

输入

0 0 6 0

5

-4 -2

-2 3

4 0

6 -2

9 1

输出

30

说明


样例中的导弹拦截系统和导弹所在的位置如下图所示。要拦截所有导弹,在满足最小使用代价的前提下,两套系统工作半径的平方分别为20和10。

2.png




备注:

两个点(x_1, y_1)、(x_2, y_2)(x1,y1)、(x2,y2)之间距离的平方是(x_1−x_2)^2+(y_1−y_2)^2(x1−x2)2+(y1−y2)2。

两套系统工作半径r_1、r_2r1、r2的平方和,是指r_1、r_2r1、r2分别取平方后再求和,即r_1^2+r_2^2r12+r22。

对于10%的数据,N=1N=1

对于20%的数据,1≤N≤21≤N≤2

对于40%的数据,1≤N≤1001≤N≤100

对于70%的数据,1≤N≤10001≤N≤1000

对于100%的数据,1≤N≤1000001≤N≤100000,且所有坐标分量的绝对值都不超过1000。


讲解

这个题目我们可以先将每个导弹与第一个系统的距离的平方算出来,然后再对距离的平方进行从大到小排序,从1开始枚举每个导弹由二系统拦截的情况,每次更新二系统的最大半径和答案的最小值,这样我们就可以求出使用的最小代价了。


AC

#include<cstdio>
#include<iostream>
#include<algorithm>
using namespace std;
int x1,yl,x2,y2,n,ans,r1,r2;
struct node{
    int x,y,d1;
}mis[100005]; //表示横纵坐标和与一系统的距离平方
int dis(int x,int y,int a,int b)
{
    return (x-a)*(x-a)+(y-b)*(y-b);
} //因为精度的问题所以直接用平方来存距离
bool cmp(node a,node b)
{
    return a.d1>b.d1;
} //由大到小排序
int main()
{
    int x,y;
    scanf("%d%d%d%d%d",&x1,&yl,&x2,&y2,&n);
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&x,&y);
        mis[i].x=x;
        mis[i].y=y;
        mis[i].d1=dis(x1,yl,mis[i].x,mis[i].y);
    }
    sort(mis+1,mis+n+1,cmp);
    r1=mis[1].d1;
    ans=r1;
    for(int i=2;i<=n+1;i++) //一定要注意这里是n+1,因为可能一系统一个导弹都没拦截
    {
        r1=mis[i].d1;
        r2=max(r2,dis(x2,y2,mis[i-1].x,mis[i-1].y)); //更新二系统半径平方最大值
        ans=min(ans,r1+r2); //更新答案最小值
    }
    printf("%d",ans);
    return 0;
}

3.png

相关文章
|
存储 数据采集 人工智能
AI时代:云存储加速多模态数据存储与管理创新
阿里云存储产品高级解决方案架构师欧阳雁(乐忱)分享了中国企业在全闪存高端存储市场的快速增长,指出AI大模型的发展推动了企业级存储市场。去年,高端企业级存储闪存占比约为25%,相较于欧美50%的比例,显示出中国在AI领域的巨大增长潜力。演讲涵盖AI业务流程,包括数据预处理、训练和推理的痛点,以及针对这些环节的存储解决方案,强调了稳定、高性能和生命周期管理的重要性。此外,还介绍了数据预处理的全球加速和弹性临时盘技术,训练阶段的高性能存储架构,推理场景的加速器和AI Agent的应用,以及应对大数据业务的存储考量,如对象存储、闪电立方和冷归档存储产品。
39912 20
|
存储 安全 API
oss服务器端加密(Server-Side Encryption Configuration)
阿里云OSS提供服务器端加密(SSE),确保静态数据安全。支持SSE-KMS,使用KMS托管CMK加密。数据上传时自动加密,下载时自动解密。用户可设置Bucket默认加密或在上传时指定加密选项。适用于高度保护数据场景,如敏感个人信息和企业关键信息。兼容多种部署形态,特定特性地域可用。此功能简化了加密处理,增强了云端数据安全性。
610 1
|
10月前
|
运维 监控 安全
CentOS 7系统 OpenSSH和OpenSSL版本升级指南
本文详细介绍如何在CentOS 7系统上升级OpenSSH和OpenSSL至最新稳定版本(OpenSSH 9.6p1和OpenSSL 1.1.1w),解决多个已知安全漏洞(如CVE-2023-51767等)。涵盖环境说明、现存漏洞、升级准备、具体步骤及故障排查,确保服务器安全。建议先在测试环境验证,再应用于生产环境。
3269 7
|
存储 人工智能 大数据
AI驱动下的云存储创新
随着大数据时代的到来,云存储作为数据存储和管理的核心基础设施,其重要性日益凸显。同时, AI 快速发展也为云存储的进化与创新提供了强大的驱动力。本话题将解读AI 驱动下云存储的进化趋势,分享阿里云存储的创新技术,助力企业实现数字化升级。
740 5
|
SQL 监控 数据库连接
Seata适配问题之回滚失败如何解决
Seata是一款开源的分布式事务解决方案,旨在提供高效且无缝的分布式事务服务;在集成和使用Seata过程中,开发者可能会遇到不同的异常问题,本合集针对Seata常见异常进行系统整理,为开发者提供详细的问题分析和解决方案,助力高效解决分布式事务中的难题。
2132 105
|
开发框架 小程序 前端开发
微信小程序封装请求
微信小程序封装请求
206 0
|
11月前
|
算法 安全 物联网
关于SM2、SM3、SM4、SM9这四种国密算法
本文介绍了四种国密算法——SM2、SM3、SM4和SM9。SM2是一种基于椭圆曲线的非对称加密算法,用于数据加密和数字签名;SM3是哈希算法,用于数字签名和消息完整性验证;SM4是对称加密算法,用于数据加密和解密;SM9是基于标识的非对称密码算法,适用于物联网环境中的数据安全和隐私保护。
8208 0
|
存储 人工智能 安全
OSS 深度解析:Data + AI 时代的对象存储
在 Data + AI 时代,随着大数据分析和 AI/ML 工作负载的进一步融合,对象存储 OSS 作为面向 AI 时代的数据基础设施,迎来了新的挑战与创新机遇。本话题我们将会介绍对象存储的能力创新,深度解读对象存储在实现稳定、安全、高性能和低成本背后的技术进展,并展望未来 AI 驱动趋势下的技术发展方向。
1665 2
|
Linux
LINUX 出现 -BASH-4.2# 问题的解决方法
LINUX 出现 -BASH-4.2# 问题的解决方法
1258 0
|
机器学习/深度学习 算法 数据挖掘
【数据挖掘】 GBDT面试题:其中基分类器CART回归树,节点的分裂标准是什么?与RF的区别?与XGB的区别?
文章讨论了梯度提升决策树(GBDT)中的基分类器CART回归树的节点分裂标准,并比较了GBDT与随机森林(RF)和XGBoost(XGB)的区别,包括集成学习方式、偏差-方差权衡、样本使用、并行性、最终结果融合、数据敏感性以及泛化能力等方面的不同。
294 1