[bzoj4830][Hnoi2017]抛硬币——数论+拓展卢卡斯定理

本文详细解析了一道关于硬币抛掷概率的问题,通过数学技巧简化了计算过程,利用组合数对称性和拓展卢卡斯定理进行高效求解。文章深入探讨了算法细节,包括预处理阶乘、快速幂、逆元计算等关键步骤。

题目大意:

先抛a次硬币,再抛b次硬币,求前a次正面朝上的次数比后b次正面朝上的次数多的情况数。

思路:

不难发现答案为\(\sum_{i=0}^{a}\sum_{j=0}^{i-1}{a\choose i}\times {b\choose j}\),然后将b的情况全部反过来,并将a,b接成同一个序列,答案变成了\(\sum_{i=b+1}^{a+b}{a+b\choose i}\)
然后用组合数对称的性质将\(\sum_{i=\frac{a+b}{2}}^{a+b}{a+b\choose i}\)给化成\(2^{a+b-1}\),剩下来的部分项数不多,可以直接用拓展卢卡斯求。
由于这个题目比较特别,所以在拓展卢卡斯的时候需要注意几项:
1.因为\(a+b\)的奇偶性的不同,有一个组合数要除2,这个直接在计算的时候特判一下,中国剩余的时候两个模数的结果都除以2即可,如果模数本身是2的倍数,那么在运算过程中要少乘一个2。
2.求阶乘要预处理出来。
3.有点卡常。

#include<bits/stdc++.h>

#define REP(i,a,b) for(int i=a,i##_end_=b;i<=i##_end_;++i)
#define DREP(i,a,b) for(int i=a,i##_end_=b;i>=i##_end_;--i)
#define MREP(i,x) for(int i=beg[x],v;v=to[i],i;i=las[i])
#define debug(x) cout<<#x<<"="<<x<<endl
#define fi first
#define se second
#define mk make_pair
#define pb push_back
typedef long long ll;

using namespace std;

void File(){
    freopen("bzoj4830.in","r",stdin);
    freopen("bzoj4830.out","w",stdout);
}

template<typename T>void read(T &_){
    T __=0,mul=1; char ch=getchar();
    while(!isdigit(ch)){
        if(ch=='-')mul=-1;
        ch=getchar();
    }
    while(isdigit(ch))__=(__<<1)+(__<<3)+(ch^'0'),ch=getchar();
    _=__*mul;
}

const int maxn=2e6+10;
ll fac2[maxn],fac5[maxn];

namespace ex{
    ll exgcd(ll a,ll b,ll &x,ll &y){
        if(!b){x=1,y=0;return a;}
        ll g=exgcd(b,a%b,x,y),tmp=x;
        x=y,y=tmp-a/b*y;
        return g;
    }
    ll inv(ll a,ll b){
        ll x,y;
        exgcd(a,b,x,y);
        return (x%b+b)%b;
    }
}

ll qpow(ll x,ll y,ll mod){
    if(x==1)return 1;
    if(x==mod-1)return y%2 ? -1 : 1;
    ll ret=1; x%=mod;
    while(y){
        if(y&1)ret=ret*x%mod;
        x=x*x%mod;
        y>>=1;
    }
    return ret;
}

ll Count(ll x,ll y){
    ll ret=0;
    for(;x;x/=y)ret+=x/y;
    return ret;
}

ll Fac(ll x,ll y,ll mod){
    if(!x)return 1;
    ll ret=(y==2 ? fac2[mod] : fac5[mod])%mod;
    ret=qpow(ret,x/mod,mod);
    ret=ret*(y==2 ? fac2[x%mod] : fac5[x%mod])%mod;
    return ret*Fac(x/y,y,mod)%mod;
}

ll calc(ll x,ll y,ll k,bool flag2,bool flag5){
    ll p[3]={(ll)pow(10,k),(ll)pow(2,k),(ll)pow(5,k)},b[3]={0,2,5},c[3],ret=0;
    REP(i,1,2){
        ll cnt=Count(x,b[i])-Count(y,b[i])-Count(x-y,b[i]);

        if(i==1 && flag2 && cnt)flag2=0,--cnt;
        ll mul=qpow(b[i],cnt,p[i]);
        if(i==2 && flag5)flag5=0,mul=mul*ex::inv(2,p[i])%p[i];
        mul=mul*Fac(x,b[i],p[i])%p[i];
        ll inv;
        inv=Fac(y,b[i],p[i])*Fac(x-y,b[i],p[i])%p[i];
        inv=ex::inv(inv,p[i]);
        c[i]=mul*inv%p[i];
    }
    REP(i,1,2)ret=(ret+p[3-i]*ex::inv(p[3-i],p[i])*c[i])%p[0];
    return (ret+p[0])%p[0];
}

void work(){
    ll a,b,k,ans,mod;
    while(~scanf("%lld%lld%lld",&a,&b,&k)){
        mod=pow(10,k); ans=qpow(2,a+b-1,mod);
        for(ll i=b+1;i<=(a+b)/2;++i)
            ans=(ans+calc(a+b,i,k,0,0))%mod;
        if((a+b)%2==0)ans=(ans-calc(a+b,(a+b)/2,k,1,1))%mod;
        ans=(ans+mod)%mod;
        DREP(i,k,1)printf("%d",(int)ans/(int)pow(10,i-1)%10);
        putchar('\n');
    }
}

void init(){
    fac2[0]=fac5[0]=1;
    ll mod2=pow(2,9),mod5=pow(5,9);
    REP(i,1,2e6){
        if(i%2)fac2[i]=fac2[i-1]*i%mod2;
        else fac2[i]=fac2[i-1];
        if(i%5)fac5[i]=fac5[i-1]*i%mod5;
        else fac5[i]=fac5[i-1];
    }
}

int main(){
    File();
    init();
    work();
    return 0;
}

转载于:https://www.cnblogs.com/ylsoi/p/10097150.html

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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