2017-11-4离线赛总结(NOIP七连测第二场)

本文解析了NOIP竞赛中两道题目,第一题采用状压DP优化算法,详细介绍了如何通过预处理降低时间复杂度;第二题则利用树上差分与DFS栈计算路径交点,巧妙解决了LCA问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

估分:270
实际分数:280
这次的难度略小于NOIP 最后一道题作为水题竟然没有做出来
第二题又又又叒卡过去了hahahahhahahahahah
实际正解也是好敲的,谁知道其实内存开的是256MB
题解:
第二题:
一看到颜色的个数如此诡异,就可以想到是用状压
然后模拟颜色的排序,求逆序对(预处理)
直接状压dp的复杂度是n22n
可以水到90分
然后如果要把复杂度优化成n2n,就要开一个大小为2nn的数组
把dp中的运算预处理出来
实现:

#include<bits/stdc++.h>
using namespace std;
#define FOR(i,x,y) for(int i=(x);i<=(y);i++)
#define DOR(i,x,y) for(int i=(x);i>=(y);i--)
#define ll long long
#define M 100005
#define S 25
template <class T> void chk_mi(T &x,T y){if(x>y||x==-1)x=y;}

int A[M],lg2[1<<21];
ll Sum[M][S],Tmp[S][S],Tta[20][1<<20];
ll dp[2][1<<21];
int n,k;
struct AC{
    void solve(){
        DOR(i,n,1){//一个数后面有几个 
            FOR(j,1,k)Sum[i][j]+=Sum[i+1][j];
            Sum[i][A[i+1]]++;
        }
        FOR(i,1,n)FOR(j,1,k)Tmp[A[i]][j]+=Sum[i][j];
        int tta=(1<<k)-1;
        FOR(i,1,k){
            FOR(j,0,tta){
                int l=j&-j;
                int x=lg2[l]+1;
                if(l==0)x=0;
                Tta[i-1][j]=Tta[i-1][j-l]+Tmp[i][x];
            }
        }
        int cur=0;
        FOR(i,1,tta)dp[0][i]=-1;
        FOR(i,1,k){
            cur^=1;
            FOR(j,0,tta)dp[cur][j]=-1;
            FOR(j,0,tta){
                if(dp[cur^1][j]==-1)continue;
                FOR(h,0,k-1){
                    if(j&(1<<h))continue;
                    chk_mi(dp[cur][j|(1<<h)],dp[cur^1][j]+Tta[h][j]);
                }
            }
        }
        printf("%lld\n",dp[cur][tta]);
    }
}p100;

int main(){
    scanf("%d%d",&n,&k);
    for(int i=0;i<=k;i++)lg2[(1<<i)]=i;
    FOR(i,1,n)scanf("%d",&A[i]);
    p100.solve();
    return 0;
}

第三题:
在写完链之后就知道是差分了,但怕爆零,又去检查前面的了
好吧,其实是考试时看到一条链,就觉得是树链剖分,然后把答案叠加之类,
想想就麻烦,果断弃坑
其实根本不用树链剖分求lca算吗
直接在树上差分+dfs栈,就可以算出经过一点的路径个数
然后分析两条直径的关系,会发现一条路径的lca一定在另外一条路径上(如果相交的话)
然后如果一个点在存在多条路径的lca的话,就直接分类讨论好了
代码实现:

#include<cstdio>
#define FOR(i,x,y) for(int i=(x);i<=(y);i++)
#define M 100005

int To[M<<1],head[M],nxt[M<<1],tta;
inline void addedge(int a,int b){nxt[++tta]=head[a];head[a]=tta;To[tta]=b;}
#define LFOR(i,x) for(int i=head[x];i;i=nxt[i])

int dep[M],fa[M],son[M],sz[M],Top[M];
void ldfs(int x,int f){
    son[x]=-1;fa[x]=f;
    dep[x]=dep[f]+1;sz[x]=1;
    LFOR(i,x){
        int y=To[i];
        if(y==f)continue;
        ldfs(y,x);
        sz[x]+=sz[y];
        if(!~son[x]||sz[son[x]]<sz[y])son[x]=y;
    }
}

void rdfs(int x,int tp){
    Top[x]=tp;
    if(!~son[x])return;
    rdfs(son[x],tp);
    LFOR(i,x){
        int y=To[i];
        if(y==fa[x]||y==son[x])continue;
        rdfs(y,y);
    }
}

int LCA(int x,int y){
    while(Top[x]!=Top[y]){
        if(dep[Top[x]]>dep[Top[y]])x=fa[Top[x]];
        else y=fa[Top[y]];
    }
    return dep[x]<dep[y]?x:y;
}

int Sum[M],Cnt[M],n,m;
long long ans=0;
void dfs(int x){
    LFOR(i,x){
        int y=To[i];
        if(y==fa[x])continue;
        dfs(y);
        Sum[x]+=Sum[y];
    }
    ans+=1ll*Cnt[x]*Sum[x]+1LL*(Cnt[x]-1)*Cnt[x]/2;
}

int main(){

    int x,y;
    scanf("%d%d",&n,&m);
    FOR(i,1,n-1){
        scanf("%d%d",&x,&y);
        addedge(x,y);addedge(y,x);
    }

    ldfs(1,0);
    rdfs(1,1);

    FOR(i,1,m){
        scanf("%d%d",&x,&y);
        int lca=LCA(x,y);
        Sum[x]++,Sum[y]++,Sum[lca]-=2,Cnt[lca]++;
    }

    dfs(1);
    printf("%lld\n",ans);
    return 0; 
}
内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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