POJ1830 开关问题[高斯消元/异或方程组]

本文探讨了一个涉及多个相互关联开关的问题,目标是通过有限次操作使所有开关达到特定状态。利用高斯消元法求解线性方程组,确定自由元数量并计算可行解的数量。

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

开 关 问 题 开关问题


D e s c r i p t i o n \mathcal{Description} Description

有N个相同的开关,每个开关都与某些开关有着联系,每当你打开或者关闭某个开关的时候,其他的与此开关相关联的开关也会相应地发生变化,即这些相联系的开关的状态如果原来为开就变为关,如果为关就变为开。你的目标是经过若干次开关操作后使得最后N个开关达到一个特定的状态。对于任意一个开关,最多只能进行一次开关操作。你的任务是,计算有多少种可以达到指定状态的方法。(不计开关操作的顺序)


S o l u t i o n \mathcal{Solution} Solution

对于一个开关 x i x_i xi 超过 1 1 1 次地去操作只会导致循环, 所以相当于只有两个操作: , 不开.
所以设 x i x_i xi 表示对该开关的 操作种类, 即 开, 不开 .
又因为开关与开关之间有 联动.

综上 一个开关最后的状态与以下因素决定 ↓ ↓

  1. 初状态
  2. 对其本身的操作
  3. 与它关联的开关的操作

a i , j = 1 a_{i,j}=1 ai,j=1 表示动了 i i i的话, j j j 也会随之改动, 且 x i = 0 / 1 x_i = 0/1 xi=0/1, 列出方程如下

{ a 1 , 1 X 1    x o r    a 2 , 1 X 2    x o r    . . .    x o r    a n , 1 X n    =    g o a l 1    x o r    s t a r t 1                                                      .                                                      . a 1 , n X 1    x o r    a 2 , n X 2    x o r    . . .    x o r    a 1 , n X n    =    g o a l n    x o r    s t a r t n \begin{cases} a_{1,1}X_1 \ \ xor \ \ a_{2,1}X_2 \ \ xor \ \ ... \ \ xor \ \ a_{n,1}X_n\ \ =\ \ goal_1 \ \ xor \ \ start_1 \\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ .\\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ .\\ a_{1,n}X_1 \ \ xor \ \ a_{2,n}X_2 \ \ xor \ \ ... \ \ xor \ \ a_{1,n}X_n\ \ =\ \ goal_n \ \ xor \ \ start_n \end{cases} a1,1X1  xor  a2,1X2  xor  ...  xor  an,1Xn  =  goal1  xor  start1                                                    .                                                    .a1,nX1  xor  a2,nX2  xor  ...  xor  a1,nXn  =  goaln  xor  startn

为了程序实现方便, 将 a i , j a_{i,j} ai,j 的下标颠倒.

使用高斯消元解出其中的 自由元个数 c n t cnt cnt, 根据乘法原理可以得到 A n s = 2 c n t Ans = 2^{cnt} Ans=2cnt.

注: 若出现 0 = 1 0 = 1 0=1 的情况, 说明方程无解.

那 么 如 何 使 用 高 斯 消 元 求 自 由 元 个 数 呢 ? 那么如何使用高斯消元求自由元个数呢? 使?

可以使用以下方法

  • 枚举未知数时, 若其在 未使用过的方程 中的系数全部为 0 0 0, 也就意味着当前未知数可能为 自由元,
    此时 不使用任何方程进行消元, 即 搁置一个方程, 往后还能使用, 与此同时, C o u n t 自 由 元 Count _{自由元} Count ++.
  • 消元完毕后, 检查目前为止 所有搁置的方程 常数项是否为 0 0 0, 若不为 0 0 0, 则说明方程无解.

搁置的方程 在消元中系数全部被消为 0 0 0 .


C o d e \mathcal{Code} Code

#include<cstdio>
#include<cctype>
#include<cstring>
#include<algorithm>
#define reg register

int read(){
        char c;
        int s = 0, flag = 1;
        while((c=getchar()) && !isdigit(c))
                if(c == '-'){ flag = -1, c = getchar(); break ; }
        while(isdigit(c)) s = s*10 + c-'0', c = getchar();
        return s * flag;
}

typedef long long ll;
const int maxn = 35;

int N;
int cnt;
int A[maxn][maxn];

void Work(){
        N = read();
        memset(A, 0, sizeof A);
        for(reg int i = 1; i <= N; i ++) A[i][N+1] = read();
        for(reg int i = 1; i <= N; i ++) A[i][N+1] ^= read(), A[i][i] = 1;
        int a = read(), b = read();
        while(a && b) A[b][a] = 1, a = read(), b = read(); 
        int t = 1;
        for(reg int i = 1; i <= N; i ++, t ++){
                int max_id = t;
                for(reg int j = t+1; j <= N; j ++)
                        if(A[j][i] > A[max_id][i]) max_id = j;
                std::swap(A[max_id], A[t]); 
                if(!A[t][i]){ t --; continue ; } 
                for(reg int j = t+1; j <= N; j ++){
                        if(!A[j][i]) continue ;
                        for(reg int k = i; k <= N+1; k ++) A[j][k] = (A[j][k]-A[t][k]+2)%2;
                }
        }

        for(reg int i = t; i <= N; i ++)
                if(A[i][N+1]){
                        printf("Oh,it's impossible~!!\n");
                        return ;
                }
        printf("%d\n", 1<<(N-t+1));
}

int main(){
        int T = read();
        while(T --) Work();
		return 0;
}

E N D \mathbb{END} END

资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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