2021牛客暑期多校训练营3

本文介绍了两种算法问题的解决思路:一种是通过构建图并利用最小生成树算法来解决黑白点选取的问题;另一种是通过计数方法高效计算不符合条件的三角形数量。

B Black and white
思路:通过观察我们发现,我们其实最多只用选n + m - 1个点就好了,其它的点对答案的贡献为0。那么我们不是贪心的选择这n+m-1个格子就好了?还有一个问题,我们不能让一个小正方形4个点全都被选。这里有这样一个技巧,把一个点(i, j) 拆分成两个不同的点Ai Bj,当我们选择把这个点涂黑时就给Ai,Bj连一条边。只有正方形4个点全选才会改变连通性(可以自己画一下),那么我们跑一次最小生成树就行了。

#include<bits/stdc++.h>
using namespace std;
 
#define lsn (A << 1)
#define rsn (A << 1 | 1)
#define mid (l + r >> 1)
 
typedef long long ll;
typedef unsigned long long ull;
 
typedef pair<int, int> P;
 
const int MAXN = 100000 + 10;
const int MAX_LEN = 100000 + 10;
const int MAX_LOG_V = 22;
const int INF = 0x3f3f3f3f;
const int mod = 998244353;
const double eps = 1e-7;
const ull B = 100000007;


int n, m, a, b, c, d, p;
int pre[MAXN];
vector<P> f[MAXN];

int find(int x) {
    if(pre[x] == 0) return x;
    return pre[x] = find(pre[x]);
}


void solve() {
    scanf("%d %d %d %d %d %d %d", &n, &m, &a, &b, &c, &d, &p);
    int last = a;
    for(int i = 1; i <= n; i++) {
        for(int j = 1; j <= m; j++) {
            int w = ((ll)last*last*b+(ll)last*c+d)%p;
            last = w;
            f[last].emplace_back(P(i,j+n));
        }
    }
    int ans = 0;
    for(int k = 0; k < p; k++) {
        for(int i = 0; i < f[k].size(); i++) {
            int u = f[k][i].first, v = f[k][i].second;
            int f1 = find(u), f2 = find(v);
            if(f1 != f2) {ans += k; pre[f1] = f2;}
        }
    }
    printf("%d\n", ans);
}

int main() {
    //ios::sync_with_stdio(false);
    int t = 1; //scanf("%d", &t);
    while(t--) {
        solve();
    }
}

J Counting Triangles

思路:我们发现找不满足要求的比找满足要求的要好找的多,我们只要选一个边为1,另外一条为0,第三条边不管怎样都是不行的。每个不满足的三角形会被选两次((1,0)一次,(0,1)一次)所以要除以2

#include<bits/stdc++.h>
using namespace std;
 
#define lsn (A << 1)
#define rsn (A << 1 | 1)
#define mid (l + r >> 1)
 
typedef long long ll;
typedef unsigned long long ull;
 
typedef pair<int, int> P;
 
const int MAXN = 2000 + 10;
const int MAX_LEN = 100000 + 10;
const int MAX_LOG_V = 22;
const int INF = 0x3f3f3f3f;
const int mod = 998244353;
const double eps = 1e-7;
const ull B = 100000007;



namespace GenHelper
{
    unsigned z1,z2,z3,z4,b,u;
    unsigned get()
    {
        b=((z1<<6)^z1)>>13;
        z1=((z1&4294967294U)<<18)^b;
        b=((z2<<2)^z2)>>27;
        z2=((z2&4294967288U)<<2)^b;
        b=((z3<<13)^z3)>>21;
        z3=((z3&4294967280U)<<7)^b;
        b=((z4<<3)^z4)>>12;
        z4=((z4&4294967168U)<<13)^b;
        return (z1^z2^z3^z4);
    }
    bool read() {
      while (!u) u = get();
      bool res = u & 1;
      u >>= 1; return res;
    }
    void srand(int x)
    {
        z1=x;
        z2=(~x)^0x233333333U;
        z3=x^0x1234598766U;
        z4=(~x)+51;
      	u = 0;
    }
}
using namespace GenHelper;
bool edge[8005][8005];
int main() {
	int n, seed;
	cin >> n >> seed;
	srand(seed);
	for(int i = 0; i < n; i++)
		for(int j = i + 1; j < n; j++)
			edge[j][i] = edge[i][j] = read();
	ll ans = 0;
	for(int i = 0; i < n; i++) {
		int cnt1 = 0, cnt0 = 0;
		for(int j = 0; j < n; j++) {
			if(i == j) continue;
			if(edge[i][j]) cnt1++;
			else cnt0++;
		}
		ans += cnt0 * cnt1;
	}
	ans = (ll)n*(n-1)*(n-2)/6 - ans/2;
	cout << ans << "\n";
 	return 0;
}
下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据样性:包含种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
### 暑期训练营的适合水平分析 暑期训练营是一项面向算法竞赛爱好者的系列比赛,主要目的是为选手提供一个练习和提升的机会[^1]。该训练营通常吸引了来自全国各地的编程爱好者以及准备参加 ACM-ICPC 或其他算法竞赛的学生参与。根据以往的经验,以下是对适合水平的详细分析: #### 1. **基础要求** 训练营中的题目难度跨度较大,从入门级到高难度均有覆盖。对于新手选手来说,如果具备一定的算法基础(如掌握基本的数据结构、排序算法、搜索算法等),可以尝试参与并从中学习[^2]。 #### 2. **中级选手** 中级水平的选手通常已经熟练掌握了常见的算法模板,例如动态规划、图论(最短路径、最小生成树等)、字符串匹配等。这类选手可以通过训练营中的中等难度题目进一步巩固知识,并挑战更高难度的问题以提升能力[^3]。 #### 3. **高级选手** 高级水平的选手通常是 ACM-ICPC 区域赛或更高级别比赛的参赛者。他们能够快速解决大部分常规问题,并专注于研究复杂算法和优化技巧。对于这些选手,训练营是一个检验自身实力、发现不足的好机会[^4]。 #### 4. **团队协作能力** 值得注意的是,训练营不仅考察个人能力,还强调团队合作的重要性。许题目需要名队员分工合作才能高效完成。因此,即使是高水平的个人选手,也需要通过训练营来磨练与队友的配合能力[^5]。 ```python # 示例代码:计算最短路径(Dijkstra算法) import heapq def dijkstra(graph, start): n = len(graph) dist = [float(&#39;inf&#39;)] * n dist[start] = 0 heap = [(0, start)] while heap: d, u = heapq.heappop(heap) if d > dist[u]: continue for v, w in graph[u]: if dist[u] + w < dist[v]: dist[v] = dist[u] + w heapq.heappush(heap, (dist[v], v)) return dist ``` 上述代码展示了图论中经典的 Dijkstra 算法实现,这是训练营中可能出现的基础知识点之一。 ---
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
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