努力训练,我要拿 Celeste 金草莓(4) || 好吧其实我已经一周没打开 Celeste 了 || 努力训练,我要看曼联北伐

news/2026/1/25 23:36:47/文章来源:https://www.cnblogs.com/BYR-KKK/p/19530751

ARC209C Adjusting a Rectangle

考虑单次询问如何 dp,状态只需记录当前位置以及当前操作的值,记为 \(f_{i,j}\),转移利用前缀和做到 \(O(n^2)\)。注意到权值 \(\in\{0,1\}\),观察转移,可以归纳说明 dp 数组内极差不超过 \(1\)。此时只需记录 \(f_i\) 中 dp 值取到 \(\max\) 的最小 \(j\) 和最大 \(j\),记为 \(mn\)\(mx\)。可以分类讨论出两者的转移,注意到状态数只有 \(O(\sqrt S_i)\) 个,于是可以将相同状态的缩在一起,并查集维护连通块即可。时间复杂度 \(O(n\sqrt S_i+q\log q)\),需要启发式合并。

QOJ16292 Hoof, Paper, Scissors Triples

写出判定,考虑系数矩阵:

\[\begin{pmatrix} 0&-&+\\+&0&-\\-&+&0 \end{pmatrix} \]

可以写成:

\[\begin{pmatrix} 0&-&+\\0&+&-\\0&0&0 \end{pmatrix}+\begin{pmatrix} 0&0&0\\+&-&0\\-&+&0 \end{pmatrix} \]

容易发现叉积形式。

ARC187C 1 Loop Bubble Sort

有一个比较先进的双射做法。考虑记 \(c_i\) 代表 \(\sum\limits_{k=1}^{i-1}[p_i<p_k]\),则满足 \(c_i\in[0,i-1]\)\(c\) 和所有排列形成双射。冒泡排序可以表示为 \(c'_i\leftarrow\max(0,c_{i+1}-1)\)\(c'_n=0\)。对于非前缀最大值的位置,这样肯定是对的。对于所有前缀最大值一起考虑,可以发现这样也是对的。于是对于确定的 \(c'\),设 \(0\) 的数量为 \(num\),则答案为 \(2^{num-1}\)。于是只需 dp 前缀最大值的位置,按照值域从大到小填数,\(f_{i,j}\) 代表填入 \([i,n]\),其中最靠前的位置是 \(j\),所有方案的权值和,转移容易使用前缀和优化至 \(O(n^2)\),需要判断一下无解的情况。

QOJ8225 最小值之和

考虑已知 \(f\) 计算 \(f'\) 的过程,然后转置回去。由于 \(\min\) 不太能转置,所以需要一个只有 \(+\times\) 的做法。考虑笛卡尔树,设当前节点可以被描述为 \((l,r,f_{now})\),则我们将 \(f'_{l\sim r}\) 加上 \((f_{now}-f_{fa})\times(r-l+1)\),实际上就是在用笛卡尔树上的差分来凑出每一个最小值。这个形式足够简洁,我们本质上在维护一个二维数组 \(g\),操作是 \(g_{l,r}\leftarrow g_{l,r}+(f_{now}-f_{fa})\times(r-l+1)\)\(f'\) 的值为所有包含其的 \(g\) 之和。转置以后从下往上考虑问题,每次合并两个区间,要求两个区间内的 \(f'\) 值相同,减去 \((f_{now}-f_{fa})\times(r-l+1)\),这里 \(f_{now}\) 可以任取,所以就是减去 \(r-l+1\) 的任意自然数倍。

\(h_{l,r,k}\) 代表合并到 \([l,r]\) 这个区间,是否可能取到 \(k\)\(h_{l,r,k}=1\) 可以推出 \(h_{l,r,k-(r-l+1)}=1\),于是对于每个 \(k'\in[0,r-l+1)\),记录能取到的最大 \(k\)。思考转移,枚举 \(p\)\(h_{l,p,k_1}\)\(h_{p+1,r,k_2}\) 的转移要求是合并同余方程 \(x\equiv k_1\pmod{p-l+1}\)\(x\equiv k_2\pmod{r-p}\),得到的形式为 \(x\equiv k\pmod{t=\rm{lcm}(p-l+1,r-p)}\),此时任意满足 \(\leq\min(h_{l,p,k_1},h_{p+1,r,k_2})\)\(k+c\times t\) 都能被取到,暴力更新即可。时间复杂度 \(O(n^5)\)

炼石计划第十三场 T2 特别的人

有一个贪心的匹配思路,但信息没有结合律,需要找一个让其有结合律的方式。注意到这是二分图最大多重匹配,可以对偶说明等价于二分图最小带权点覆盖,即选出一些 \(a_i\),使得相邻两个位置至少有一个位置被选中,最小化 \(\sum\)。这是 Konig 定理的推广形式,直接对边进行对偶即可。于是可以写出用 \(2\times 2\)\((\min,+)\) 矩阵进行表示的 dp,这样信息就有结合律。现在的问题是二维限制下幺半群信息查询,只在其中一维上有结合律,这是 D2T2,考虑对第一维分块,此时第二维本质不同的限制只有 \(O(B^2)\) 个,每块对第一维分治,两边处理出来所有本质不同限制下的信息复合,可以做到 \(O(1)\) 合并,时间复杂度 \(T(n)=2T(\frac n2)+O(n^2)=O(n^2)\),并没有多 \(\log\)。逐块处理做到空间 \(O(n)\)

ARC186E Missing Subsequence

EGF 乘法的组合意义是若干有标号结构无序的拼接。先忽视 \(X\) 的限制,此时序列会被分成 \(m\) 段,\(1\sim k\) 在一段中都出现过,且段尾只出现了一次。令关于一段长度的 OGF 是 \(F(x)\),则需要求 \([x^{1\sim n}]F^m(x)\)。钦定段尾的数之后,相当于将 \(l-1\) 个位置放进 \(k-1\) 个有标号非空子集中,所以 \([x^l]F(x)=k!\begin{Bmatrix}l-1\\k-1\end{Bmatrix}\)

考虑 \(X\) 的限制,此时序列仍然可以分成 \(m\) 段,前 \(m-1\) 段的要求不变,第 \(m\) 段不能出现 \(X_m\),同时第 \(i\) 段不能有 \(X_i\) 出现在 \(X_{i+1}\) 之前。第 \(m\) 段的生成函数为 \(G(x)=\sum\limits_l(k-1)!\begin{Bmatrix}l\\k-1\end{Bmatrix}x^l\)。分类讨论第 \(i\) 段段尾,若为 \(X_i\),生成函数为 \(\sum\limits_l(k-1)!\begin{Bmatrix}l-1\\k-1\end{Bmatrix}x^l\);否则所有 \(X_i\) 都要在 \(X_{i+1}\) 之前,考虑两者所有出现的位置,方案数为长度 \(-1\),其余数的 EGF 仍然为 \(e^x-1\),得到生成函数为 \([x^c]F_i(x)=[\frac{x^c}{c!}](k-2)[(x-1)e^x+1](e^x-1)^{k-3}\),中间项对应的系数序列为 \(\{0,0,1,2,3,\cdots\}\),注意 EGF 乘 \(x\) 得到的系数序列不是简单的平移,而是 \(\{0,a_0,2a_1,3a_2,\cdots\}\)

注意当 \(X_i=X_{i+1}\) 时,生成函数会有些许变化。最终答案即为 \([x^n]G(x)\prod F_i(x)\)。不保证不在说假话。

AGC036D Negative Cycle

负环难以刻画,考虑差分约束。这个差分约束只是为了方便对于负环的考虑,因此只需找到一组合法的 \(\{dis_i\}\)。初始的 \(n-1\) 条边带来的限制是 \(dis_0\geq dis_1\geq\cdots\geq dis_{n-1}\),考虑差分 \(y_i=dis_i-dis_{i+1}\)。则 \(i<j\) 的连边意味着 \(\sum\limits_{k=i}^{j-1}y_k\geq1\)\(i>j\) 的连边意味着 \(\sum\limits_{k=j}^{i-1}y_k\leq1\)。注意到 \(y_i\in\{0,1\}\)。对于一个 \(\{y_i\}\) 的取值方案,一个限制是否被保留只和区间内包含 \(1\) 的数量为 \(0,1,\geq2\) 有关,因此将相邻两个 \(1\) 作为状态进行 dp。\(f_{i,j,k}\) 代表位置在 \(i\),最后两个 \(1\) 位置分别在 \(j,k\) 的最大贡献,时间复杂度 \(O(n^3)\)

QOJ15326 Yet another 01 problem

考虑判定,容易发现两个儿子都是叶子的节点必须满足权值不同,除此之外没有限制。考虑对合法树计数,容斥,钦定若干对相邻相同点合并,需要计算 \(x\) 个点任意合并的方案数,代数推导后发现为 \(C_{x-1}\)\(C\) 是卡特兰数。考虑在这个容斥的基础上,从树的结构出发进行计数,拥有两个非叶子儿子的点,连向儿子的边权可以任意安排,于是对于一棵有 \(cnt_2\) 个这样点的树,方案数为 \(2^{cnt_2}\)\(cnt_2\) 和我们容斥的东西几乎没什么联系,考虑转化到 \(cnt_0\) 上,解 \(cnt_0+cnt_1+cnt_2=n-1\)\(cnt_1+2cnt_2=n\) 的方程组得到 \(cnt_0-1=cnt_2\)。此时 \(cnt_0\) 为选择相邻两个点合并,可以在容斥过程中一并处理,考虑 \(2^{cnt_0}\) 的组合意义是任意选择一个子集,将一棵树的权值定义为这个,但是要求选择的两个点不能相同,则答案为所有合法树的权值和。容斥过程中选择若干对相邻点,相同贡献 \(-1\) 的系数,不同贡献 \(1\) 的系数。只需计算 \(f_i\) 代表合并后剩下 \(i\) 个点的方案权值和,直接递推是 \(F_i=F_{i-1}\pm xF_{i-2}\),并不好做,考虑分治,时间复杂度 \(T(n)=2T(\frac n2)+O(n\log n)=O(n\log^2 n)\),每层都要对 \(O(n)\) 次的多项式做 NTT。

AGC058F Authentic Tree DP

寻找组合意义,分母上的 \(n\) 启发从所有点中进行选择。得到的转化为,每次从所有非孤立点中随机选择一个,若到父亲的边不存在,则失败,否则断开其到父亲的边,求成功的概率。改成选到孤点就忽视这次操作,那么要求若一个点此时并非被第一次选中,所有儿子都要已经被选中至少一次,其中根初始被选中一次。容斥,钦定若干条边满足父亲第二次选中早于儿子第一次选中,对于每个连通块求概率然后乘起来,可以发现概率为 \(\prod(sz_i)^{-1}\)\(f_{i,j}\) 代表 \(i\) 所在连通块大小为 \(j\) 时子树乘积之和,转移是朴素的树上背包。

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:http://www.mzph.cn/news/1216133.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2025年教我学英语 - 其他

2025年教我学英语 - 其他1、红色 - red [red] 橙色 - orange [ˈɒrɪndʒ] 黄色 - yellow [ˈjeləʊ] 绿色 - green [ɡriːn] 蓝色 - blue [bluː]2、紫色 - purple [ˈpɜːpl] 粉色 - pink [pɪŋk] 棕色 - brown…

Linux软件安装 —— PostgreSQL高可用集群安装(postgreSQL + repmgr主从复制 + keepalived故障转移)

文章目录一、节点说明二、软件下载三、安装PostgreSQL四、安装repmgr1、前置准备2、编译安装&#xff08;两台节点&#xff09;3、配置repmgr4、添加主从到repmgr集群五、安装keepalived&#xff08;root用户&#xff09;1、编译并安装&#xff08;两台节点&#xff09;2、配置…

Linux软件安装 —— ClickHouse集群安装(集成Zookeeper)+ chproxy负载均衡

文章目录一、节点规划二、JDK安装三、Zookeeper安装四、ClickHouse安装1、软件下载&#xff08;1&#xff09;tar安装包下载&#xff08;2&#xff09;rpm安装包下载2、前置准备&#xff08;1&#xff09;CentOS取消打开文件数限制&#xff08;2&#xff09;CentOS取消SELINUX3…

Linux软件安装 —— ClickHouse单节点安装(rpm安装、tar安装两种安装方式)

文章目录 一、节点说明二、软件下载1、tar安装包下载2、rpm安装包下载 三、前置准备1、CentOS取消打开文件数限制2、CentOS取消SELINUX 四、安装1、tar安装2、rpm安装 五、配置clickhouse六、启动clickhouse七、密码配置1、default用户密码设置2、新建用户&#xff08;1&#x…

HarmonyOS PC 多窗口,到底在解决什么

子玥酱 &#xff08;掘金 / 知乎 / CSDN / 简书 同名&#xff09; 大家好&#xff0c;我是 子玥酱&#xff0c;一名长期深耕在一线的前端程序媛 &#x1f469;‍&#x1f4bb;。曾就职于多家知名互联网大厂&#xff0c;目前在某国企负责前端软件研发相关工作&#xff0c;主要聚…

【无线传感器】基于遗传算法GA无线传感器网络中聚类以增强网络寿命附Matlab代码

✅作者简介&#xff1a;热爱科研的Matlab仿真开发者&#xff0c;擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。&#x1f34e; 往期回顾关注个人主页&#xff1a;Matlab科研工作室&#x1f447; 关注我领取海量matlab电子书和数学建模资料 &#x1f34…

那 HarmonyOS PC 应用到底该怎么落代码?

子玥酱 &#xff08;掘金 / 知乎 / CSDN / 简书 同名&#xff09; 大家好&#xff0c;我是 子玥酱&#xff0c;一名长期深耕在一线的前端程序媛 &#x1f469;‍&#x1f4bb;。曾就职于多家知名互联网大厂&#xff0c;目前在某国企负责前端软件研发相关工作&#xff0c;主要聚…

【机械臂路径规划】基于RRT算法规划一个6自由度路径,用于将SM-465变速箱的主轴从壳体中移出,同时避免与主箱体或已安装的副轴发生碰撞附matlab代码

✅作者简介&#xff1a;热爱科研的Matlab仿真开发者&#xff0c;擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 &#x1f34e; 往期回顾关注个人主页&#xff1a;Matlab科研工作室 &#x1f447; 关注我领取海量matlab电子书和数学建模资料 &#…

基于51单片机的自动豆浆机系统 智能豆浆机

目录 系统概述硬件设计软件设计安全保护机制扩展功能 源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01; 系统概述 基于51单片机的自动豆浆机系统是一种智能化厨房设备&#xff0c;通过单片机控制实现豆浆制作全流程自动化。系统具备水位…

基于51单片机红外测温 非接触式红外测温仪 MLX90614 嵌入式系统

目录 MLX90614红外测温模块概述硬件连接与接口软件驱动实现温度数据处理校准与误差修正典型应用场景 源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01; MLX90614红外测温模块概述 MLX90614是一款非接触式红外测温传感器&#xff0c;由Me…

基于51单片机红外线感应自动门 液晶显示 自动 手动

目录 系统概述硬件组成功能实现核心代码片段注意事项 源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01; 系统概述 基于51单片机的红外线感应自动门系统结合了红外传感、液晶显示和自动/手动控制功能。该系统通过红外传感器检测人体信号&…

01.Nginx简介

01.Nginx简介01.Nginx简介 01.1 背景介绍———————————————————————————————————————————————————————————————————————————无敌小马爱学习…

计算机想学习某个方向,怎么知道学习路线

前言 最近很多初学计算机的同学&#xff0c;一直在问&#xff0c;说“甘哥&#xff0c;我对XXX方向比较感兴趣。现在我应该怎么规划&#xff0c;毕业的时候才能找到这个方向的好的公司的岗位呢” 针对同学的疑惑&#xff0c;阿甘总结下来&#xff0c;其实主要分为两类&#xff…

如何通过提示词减少AICG费片的痛点

在 AIGC 视频&#xff08;如 Sora, Runway, Pika, Kling 等&#xff09;领域&#xff0c;“费片率”&#xff08;Wasted Footage Rate&#xff09;是最大的痛点。 针对 视频 CG 生成&#xff0c;原本的通用文本“五维量规”需要进行深度的领域化改造。我们不再关注“回答是否礼…

基于SpringBoot的社区老人健康信息管理系统毕业设计源码

博主介绍&#xff1a;✌ 专注于Java,python,✌关注✌私信我✌具体的问题&#xff0c;我会尽力帮助你。 一、研究目的 本研究旨在设计并实现一个基于SpringBoot框架的社区老人健康信息管理系统。该系统旨在通过整合现代信息技术与社区养老服务&#xff0c;提高社区老人健康管理…

从玄学到工程:解构AI Agent开发的“铁三角”法则(分工/方法论/预算)

AI的“涌现”既是惊喜也是惊吓&#xff0c;微小的扰动都可能引发崩坏。驾驭它的关键在于建立“协作框架”&#xff1a;用【分工】隔离职责&#xff0c;用【方法论】固化思考路径&#xff0c;用【预算】设定止损边界。别让AI在“裸奔”中失控&#xff0c;要用工程化的铁律&#…

基于SpringBoot的车辆违章信息管理系统毕设源码

博主介绍&#xff1a;✌ 专注于Java,python,✌关注✌私信我✌具体的问题&#xff0c;我会尽力帮助你。 一、研究目的 本研究旨在设计并实现一个基于SpringBoot框架的车辆违章信息管理系统&#xff0c;以满足现代交通管理对于高效、便捷、智能化的需求。具体研究目的如下&…

基于SpringBoot的高校就业招聘系统毕设

博主介绍&#xff1a;✌ 专注于Java,python,✌关注✌私信我✌具体的问题&#xff0c;我会尽力帮助你。 一、研究目的 本研究旨在构建一个基于SpringBoot的高校就业招聘系统&#xff0c;以满足当前高校就业市场的需求&#xff0c;提升高校就业服务的质量和效率。具体研究目的如…

基于SpringBoot的宠物健康顾问系统毕设源码

博主介绍&#xff1a;✌ 专注于Java,python,✌关注✌私信我✌具体的问题&#xff0c;我会尽力帮助你。 一、研究目的 本研究旨在开发一套基于SpringBoot框架的宠物健康顾问系统&#xff0c;以实现对宠物健康问题的智能诊断与建议。具体研究目的如下&#xff1a; 构建一个功能…

LLM 裁判(LLM-as-a-judge)

LLM 裁判&#xff08;LLM-as-a-judge&#xff09; 是指利用强大的大语言模型&#xff08;如 GPT-4, Claude 3.5, Gemini 1.5 Pro 等&#xff09;作为“考官”&#xff0c;去评估其他模型生成的回复质量。 所谓的 “五维评分量规” 并没有一个绝对统一的国际标准&#xff0c;但在…