EOJ Monthly 2018.9 (based on Trial Round #3) B. 解密信件(思维+递归的反过程)

本文详细解析了一种用于解密特殊加密信件的算法,通过递归逆序和区间对称位置操作,实现了对加密信件的快速解密,解答了关于信件中特定位置在加密前后对应关系的问题。

B. 解密信件

Time limit per test: 1.0 seconds

Memory limit: 512 megabytes

oxx 总是喜欢给 ultmaster 写信,由于某些原因,这些信的内容又不能被人看见。但传信的过程中,信中信息的泄露又不可避免,于是 oxx 发明了一种信内容信息的加密方式。ultmaster 拿到了 oxx 的加密程序:

char letter[];

void encrypt(l, r) {
    if (l < r) {
        reverse letter[l..r];
        k = (r - l + 1) / 2;
        encrypt(l, l + k - 1);
        encrypt(l + k, r);
    }
}

其中 reverse letter[l..r] 是将 letter 从 l 到 r(闭区间)的子串倒置。

对于某个长度为 n,下标从 1 开始的字符串要进行加密,只要调用 encrypt(1, n) 即可。

由于 ultmaster 有超强的理解能力,所以 ultmaster 只需要知道信里面某些位置的信息,就能得知整封信的内容。而 oxx 写了太多的信给 ultmaster 。所以 ultmaster 会有 T 次询问,每一次询问其中一封信的一个位置 x,表示加密后的信里的位置,他想知道这个位置在加密前的信里是在什么位置。

众所周知,oxx 有很多话想说,所以信会很长很长。

Input

第一行一个整数 T (1≤T≤1 000),表示询问的个数。

接下来的 T 行,每行两个整数 n 和 x (1≤x≤n≤1018),表示信的长度和询问的位置。

Output

包含 T 行,每行一个整数,表示对于每一个询问的答案。

Examples

input

4
4 1
4 2
4 3
4 4

output

3
4
1
2

Note

样例解释:1234 → 43|21 → 3|4|1|2.

 

题解:

我好菜啊,递归的逆序都不会。

加密=区间对称位置+下溯,解密那不就是区间对称位置+pushup回溯么。

注意,T只有1000组询问,改区间虽然是o(nlogn),但该单点只需要o(logn),则总复杂度o(Tlogn)。

无需多想,就是一个pushdown和pushup的互逆操作。

#include <iostream>
#include <algorithm> 
#include <string>
#include <cstring>
#include <cstdio>
#include <cmath>
#include <set>
#include <map>
#include <vector>
#include <stack>
#include <queue>
#include <bitset> 
const int INF=0x3f3f3f3f;
const int mod=1e9+7;
const double eps=1e-7;
typedef long long ll;
#define vi vector<int> 
#define si set<int>
#define pii pair<int,int> 
#define pi acos(-1.0)
#define pb push_back
#define mp make_pair
#define lowbit(x) (x&(-x))
#define sci(x) scanf("%d",&(x))
#define scll(x) scanf("%lld",&(x))
#define sclf(x) scanf("%lf",&(x))
#define pri(x) printf("%d",(x))
#define rep(i,j,k) for(int i=j;i<=k;++i)
#define per(i,j,k) for(int i=j;i>=k;--i)
#define mem(a,b) memset(a,b,sizeof(a)) 
using namespace std;
void decrypt(ll l,ll r,ll &pos)
{
	//模拟单点修改 
	if(l<r)
	{
		ll k=(r-l+1)/2;
		if(pos>=l&&pos<=l+k-1)decrypt(l,l+k-1,pos);
		else decrypt(l+k,r,pos);
	}
	pos=l+r-pos;//模拟翻转 
}
int main()
{
	int t;
	sci(t);
	while(t--)
	{
		ll n,x;
		scll(n),scll(x);
		decrypt(1,n,x);
		printf("%lld\n",x);
	}
    return 0;
}

 

### 关于 EOJ 3681 的中位数问题解析 #### 题目概述 题目描述了一张由 \( n \) 个点和 \( m \) 条边组成的有向无环图 (DAG),其中每个节点具有一个点权 \( A_i \)[^2]。目标是找到从起点 \( 1 \) 到终点 \( n \) 所有可能路径中的最大中位数值。 --- #### 解题思路分析 为了求解此问题,需考虑以下几个方面: 1. **定义中位数** 对于一条路径上的点权序列,假设其长度为奇数,则中位数为按升序排列后的中间值;若长度为偶数,则通常取两个中间值的平均值作为中位数。 2. **二分查找法的应用** 要最大化路径的中位数,可以通过二分查找来逼近最优解。设定初始范围为所有点权的最大值和最小值之间,并逐步缩小范围直到满足精度条件(即绝对或相对误差小于 \( 10^{-4} \))[^3]。 3. **验证候选中位数的有效性** 给定当前猜测的中位数 \( mid \),通过调整权重重新构建图模型:将大于等于 \( mid \) 的点赋正权值,其余点赋负权值。随后利用动态规划或其他算法判断是否存在总权重非负的可行路径。 4. **实现细节** - 使用拓扑排序处理 DAG 图结构。 - 动态维护前缀和数组以便快速计算子路径权重之和。 以下是基于上述逻辑的具体代码实现: ```python from collections import deque, defaultdict def can_find_non_negative_path(graph, weights, threshold): """检查是否存在一条路径使得经过调整后的权重和 >= 0""" dp = [-float(&#39;inf&#39;)] * len(weights) order = topological_sort(graph) for node in order: if weights[node] >= threshold: current_weight = 1 else: current_weight = -1 dp[node] = max(dp[node], current_weight) for neighbor in graph.get(node, []): dp[neighbor] = max(dp[neighbor], dp[node]) return dp[-1] >= 0 def topological_sort(graph): """对给定的 DAG 进行拓扑排序""" indegree = {node: 0 for node in range(len(graph))} queue = deque() for u in graph: for v in graph[u]: indegree[v] += 1 for node in indegree: if indegree[node] == 0: queue.append(node) result = [] while queue: curr = queue.popleft() result.append(curr) for next_node in graph[curr]: indegree[next_node] -= 1 if indegree[next_node] == 0: queue.append(next_node) return result def find_max_median(n, edges, values): """主函数用于寻找最大中位数""" INF = float(&#39;inf&#39;) low, high = min(values), max(values) precision = 1e-5 graph = defaultdict(list) # 构建邻接表表示的图 for a, b in edges: graph[a].append(b) best_mid = -INF while abs(high - low) > precision: mid = (low + high) / 2 if can_find_non_negative_path(graph, values, mid): best_mid = max(best_mid, mid) low = mid else: high = mid return round((best_mid + low) / 2, 5) # 输入样例测试部分省略... ``` --- #### 复杂度分析 - 时间复杂度主要取决于二分次数以及每次验证操作的时间开销。假设有 \( k \) 层次迭代完成二分过程,则整体时间复杂度大约为 \( O(k \cdot E) \),其中 \( E \) 表示边的数量。 - 空间复杂度则受存储图数据结构的影响,约为 \( O(V+E) \),\( V \) 和 \( E \) 分别代表顶点数目与边数量。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小衣同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值