【题解】LuoGu5011:水の造题

博客围绕LuoGu上的题目展开题解。起初只能用20%的O(kn)暴力法,后经思考推导出公式。分每个位置和每两个相邻位置两种情况讨论期望,得出两个式子,化简后得到最终答案,还提到可边读入边取模,将其变为结论题。

原题传送门
题面易懂
首先,感到无从下手,只会20%的 O ( k n ) O(k^n) O(kn)暴力
然后苦(kan)思(kan)冥(ti)想(jie)发现可以直接推公式
分成两种情况讨论

  • 对于每个位置,可以做 k k k种动作,所以概率为 1 k \frac{1}{k} k1,获得的威力收益是 v a l [ i ] val[i] val[i],所以期望是 ∑ i = 1 k v a l [ i ] k = ∑ i = 1 k v a l [ i ] k \sum_{i=1}^{k}\frac{val[i]}{k}=\frac{\sum_{i=1}^{k}val[i]}{k} i=1kkval[i]=ki=1kval[i],那么总共有n个位置,总的期望是 n ∗ ∑ i = 1 k v a l [ i ] k \frac{n*\sum_{i=1}^{k}val[i]}{k} kni=1kval[i]
  • 对于每两个相邻位置,额外可能会有连招的情况出现,出现的概率为 1 k 2 \frac{1}{k^2} k21,获得威力 v a l [ i ] + v a l [ i + 1 ] val[i]+val[i+1] val[i]+val[i+1],当然 v a l [ k ] 与 v a l [ 1 ] 也 是 可 以 的 val[k]与val[1]也是可以的 val[k]val[1],那么期望是 ∑ i = 1 k v a l [ i ] + v a l [ n e x t ( i ) ] k 2 = ∑ i = 1 k v a l [ i ] + v a l [ n x t ( i ) ] k 2 \sum_{i=1}^{k}\frac{val[i]+val[next(i)]}{k^2}=\frac{\sum_{i=1}^{k}val[i]+val[nxt(i)]}{k^2} i=1kk2val[i]+val[next(i)]=k2i=1kval[i]+val[nxt(i)],总共有 ( n − 1 ) (n-1) (n1)组相邻位置,总的期望是 ( n − 1 ) ∗ ∑ i = 1 k v a l [ i ] + v a l [ n x t ( i ) ] k 2 \frac{(n-1)*\sum_{i=1}^{k}val[i]+val[nxt(i)]}{k^2} k2(n1)i=1kval[i]+val[nxt(i)]

两个式子加起来就是答案~~
化简一下
s u m = ∑ i = 1 k v a l [ i ] sum=\sum_{i=1}^{k}val[i] sum=i=1kval[i]
那么 n ∗ ∑ i = 1 k v a l [ i ] k = n ∗ s u m k \frac{n*\sum_{i=1}^{k}val[i]}{k}=\frac{n*sum}{k} kni=1kval[i]=knsum
( n − 1 ) ∗ ∑ i = 1 k v a l [ i ] + v a l [ n x t ( i ) ] k 2 = 2 s u m ∗ ( n − 1 ) k 2 \frac{(n-1)*\sum_{i=1}^{k}val[i]+val[nxt(i)]}{k^2}=\frac{2sum*(n-1)}{k^2} k2(n1)i=1kval[i]+val[nxt(i)]=k22sum(n1)
加起来:
n ∗ s u m k + 2 s u m ∗ ( n − 1 ) k 2 = s u m ∗ n ∗ k + 2 s u m ∗ ( n − 1 ) k 2 = s u m ( n k + 2 n − 2 ) k 2 \frac{n*sum}{k}+\frac{2sum*(n-1)}{k^2}=\frac{sum*n*k+2sum*(n-1)}{k^2}=\frac{sum(nk+2n-2)}{k^2} knsum+k22sum(n1)=k2sumnk+2sum(n1)=k2sum(nk+2n2)

直接一开始把sum求出来,n再大也没关系,一边读入一边取模即可
变成一道结论题,开心

Code:

#include <bits/stdc++.h>
#define maxn 1000010
#define qy 19491001
#define LL long long
using namespace std;

inline int read(){
	int s = 0, w = 1;
	char c = getchar();
	for (; !isdigit(c); c = getchar()) if (c == '-') w = -1;
	for (; isdigit(c); c = getchar()) s = (s << 1) + (s << 3) + (c ^ 48);
	return s * w;
}

LL ksm(LL n, int k){
	if (!k) return 1;
	LL sum = ksm(n, k >> 1);
	sum = sum * sum % qy;
	if (k & 1) sum = sum * n % qy;
	return sum;
}

int main(){
	LL n = 0;
	char c = getchar();
	for (; !isdigit(c); c = getchar());
	for (; isdigit(c); c = getchar()) n = ((n << 1) + (n << 3) + (c ^ 48)) % qy;
	LL k = read(), sum = 0;
	for (int i = 1; i <= k; ++i){
		int x = read();
		(sum += x) %= qy;
	}
	LL nk = n * k % qy;
	printf("%lld\n", sum * ((nk + 2 * n - 2) % qy + qy) % qy * ksm(k * k % qy, qy - 2) % qy);
	return 0;
}
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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
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