news 2026/7/21 16:44:49

最小函数值(minval)(信息学奥赛一本通- P1370)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
最小函数值(minval)(信息学奥赛一本通- P1370)

【题目描述】

有n个函数,分别为F1,F2,...,Fn。定义Fi(x)=Aix2+Bix+Ci(x∈N∗)。给定这些Ai、Bi和Ci,请求出所有函数的所有函数值中最小的m个(如有重复的要输出多个)。

【输入】

第一行输入两个正整数n和m。

以下n行每行三个正整数,其中第i行的三个数分别位Ai、Bi和Ci。输入数据保证Ai<=10,Bi<=100,Ci<=10000。

【输出】

将这n个函数所有可以生成的函数值排序后的前m个元素。这m个数应该输出到一行,用空格隔开。

【输入样例】

3 10 4 5 3 3 4 5 1 7 1

【输出样例】

9 12 12 19 25 29 31 44 45 54

【提示】

【数据规模】

n,m≤10000。

1. 解题思路分析

本题的核心目标是从 n 个二次函数生成的无数个值中,筛选出最小的 m 个数。由于 m 远小于可能产生的数据总量,直接计算所有值并排序(O(N⋅Mlog(NM)))显然不够高效。我们采用了“维护固定大小集合”的策略。

数据结构选择:大根堆

虽然题目要求的是“最小”的数,但在维护一个容量为 m 的候选集合时,我们需要使用大根堆priority_queue默认大根堆)。

  • 理由:我们要时刻知道当前选出的 m 个数中,最大的那个数是多少(即堆顶元素)。

  • 作用:堆顶元素是当前候选集合的“门槛”。对于一个新计算出的函数值,只有当它小于堆顶时,它才有资格进入前 m 名。此时我们将堆顶弹出(淘汰当前第 m 小),将新值压入。

关键优化:利用函数单调性

题目给定 A,B,C 均为正整数,因此二次函数 f(x)=A*x^2+B*x+C 在 x≥1 的区间上是单调递增的。 这一性质对于优化算法至关重要:

  • 在遍历某一组参数 (A,B,C) 时,我们让 x 从 1 开始递增。

  • 如果当前计算出的 f(x) 已经大于或等于堆顶元素,由于函数的单调递增性,后续的 f(x+1),f(x+2)... 必然也大于堆顶。

  • 结论:此时无需继续计算该函数的后续值,直接break跳出当前循环,处理下一组函数。这一剪枝操作保证了算法不会超时。

2. 算法流程总结

  1. 初始化:读取第一组函数参数,计算前 m 个值推入优先队列,建立初始的“最小m数”集合。

  2. 动态更新

    • 依次读取后续 n−1 组函数参数。

    • 对于每组函数,从 x=1 开始计算。

    • 若 f(x)<q.top():说明找到了更优解,执行pop()push(f(x))

    • 若 f(x)≥q.top():触发单调性剪枝,直接break

  3. 结果输出:由于大根堆弹出顺序是从大到小,需要将元素暂存入数组,最后倒序输出以满足题目从小到大的要求。

3. 实现细节与注意事项

  • 数据范围由于涉及到 x^2 的运算,函数值可能会超过int范围,因此优先队列和中间变量必须使用long long

  • 输出数组类型:代码中用于倒序输出的数组h应定义为long long以匹配优先队列的数据类型。

  • 时间复杂度:在最坏情况下(剪枝未频繁触发),每次堆操作为 O(logm)。由于单调性的存在,实际交换次数远小于理论上限,整体效率足以通过测试点。

//思路:先通过第一组abc算出x(1-m)的m个f值存入优先队列(最大堆),后面每一组都通过与堆顶 //进行比较,如果小于堆顶就存进去,直到大于堆顶就开始下一组,最后堆里存放的一定是最小的m个数,输出即可 #include <iostream> #include <queue> using namespace std; int a,b,c; priority_queue<long long> q;//最大堆 long long f(int x,int a,int b,int c){ return a*x*x+b*x+c; } int main(){ int n,m; cin>>n>>m; //第一组数据先存入优先队列 cin>>a>>b>>c; for(int i=1;i<=m;i++){ long long tmp=f(i,a,b,c); q.push(tmp); } for(int i=2;i<=n;i++){//从第二组开始比较 cin>>a>>b>>c; for(int j=1;j<=m;j++){ long long tmp=f(j,a,b,c); if(tmp<q.top()){//tmp比堆里的最大值要小,就弹出堆顶,然后存入tmp q.pop(); q.push(tmp); } else{//i组当前j的情况下tmp已经大于堆顶(即堆里的最大值),就不需要让j继续增加了,可以比较下一组了 break; } } } //因为要从小到大输出,那就把堆先存进一个数组再输出 long long h[10001]; int cnt=0;//存进多少个数; while(!q.empty()){ h[++cnt]=q.top(); q.pop(); } for(int i=cnt;i>=1;i--) cout<<h[i]<<" "; return 0; }
版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/22 0:23:36

使用机器学习简化机构沟通,提升可读性与包容性

项目&#xff1a;Simply Simplify Language 利用LLM简化您的机构沟通。摆脱“官僚德语”。 目录 用法项目信息 应用功能成本语言指南一些发现可读性分数如何工作&#xff1f;分数的含义&#xff1f; 项目团队贡献许可证其他免责声明 用法 您可以在本地、云端或在GitHub Codespa…

作者头像 李华
网站建设 2026/7/21 13:47:23

LangFlow降低AI开发门槛:非技术人员也能构建智能应用

LangFlow降低AI开发门槛&#xff1a;非技术人员也能构建智能应用 在大模型时代&#xff0c;企业对AI应用的期待从未如此高涨。然而现实却常常令人沮丧——一个简单的问答机器人原型&#xff0c;往往需要数天甚至数周才能从概念走向可演示版本。产品经理画出流程图后&#xff0c…

作者头像 李华
网站建设 2026/7/21 4:32:23

LangFlow与LangChain协同工作原理深度剖析

LangFlow与LangChain协同工作原理深度剖析 在AI应用开发日益复杂的今天&#xff0c;如何快速构建一个能理解上下文、调用工具、具备记忆能力的智能系统&#xff0c;已成为工程师面临的核心挑战。传统方式下&#xff0c;开发者需要深入掌握LangChain的模块组合逻辑、提示工程技巧…

作者头像 李华
网站建设 2026/7/21 12:18:18

16.2 对齐方法论:FineTune与RAG两大技术路径

16.2 对齐方法论:FineTune与RAG两大技术路径 在上一节中,我们深入探讨了模型微调的必要性,理解了为什么需要让通用大模型理解特定的业务场景。今天,我们将详细对比两种主要的模型对齐技术路径:Fine-tune(微调)和RAG(检索增强生成),帮助大家更好地理解它们的特点、优…

作者头像 李华
网站建设 2026/7/21 11:10:46

16.3 微调技术盘点:产品经理需要了解的核心方法

16.3 微调技术盘点:产品经理需要了解的核心方法 在前两节中,我们探讨了模型微调的必要性和Fine-tune与RAG两种技术路径的对比。今天,我们将深入盘点微调技术的核心方法,帮助产品经理更好地理解和应用这些技术。 微调技术全景图 微调技术发展至今,已经形成了丰富的方法体…

作者头像 李华