【BZOJ4000】【LOJ2104】【TJOI2015】棋盘 (状压dp + 矩阵快速幂)

本文探讨了在特定约束条件下,棋盘上棋子摆放方案的计数问题。通过使用动态规划与矩阵快速幂技术,文章提供了一种高效算法解决方案,以应对大规模棋盘和棋子数量。

Description

​ 有一个\(~n~\)\(~m~\)列的棋盘,棋盘上可以放很多棋子,每个棋子的攻击范围有\(~3~\)\(~p~\)列。用一个\(~3 \times p~\)的矩阵给出了棋子攻击范围的模板,棋子被默认在模板中的第一行,第\(~k~\)列,模板中棋子能攻击到的位置标记为\(~1\),不能攻击到的位置是\(~0\) 。输入数据保证模板中的第二行第\(~k~\)列是\(~1\)。在要求棋子互相不能攻击到的前提下,求摆放棋子的方案数。

\(~1 \leq p \leq m,~ 1 \leq k \leq p, ~1 \leq n \leq {10 ^ 6}~, ~1 \leq m \leq 6~\).

看原题戳我

Solution

​ 对于这个“要求棋子互相不能攻击到的前提下”的约束条件,先考虑普通\(~dp~\)转移, 记\(~dp_{i,~j}~\)表示第\(~i~\)行状态为\(~j~\)的方案书, 可以发现\(~dp_i~\)的某些状态是从\(~dp_{i - 1}~\)的合法状态转移而来的。但这样的话对于\(~dp_i~\)要枚举\(~dp_{i - 1}~\)\(~dp_i~\)的合法状态, 时间复杂度\(~O({2^ {2m}}n)~\),显然不行。

​ 发现从\(~dp_i~\)转移到\(~dp_{i + 1}~\)的方式是一样的, 考虑矩阵快速幂加速,枚举任意两个状态并判断其是否可以转移即可, 可以转移当且仅当在两行的任意\(~1~\)的位置放棋子都不会攻击到其他任意一个棋子。

​ 要注意的是这题的下标全是从\(~0~\)开始的。。。

Code

#include<bits/stdc++.h>
#define Set(a, b) memset(a, b, sizeof (a))
#define For(i, j, k) for(int i = j; i <= k; ++i)
using namespace std;

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

inline void File() {
#ifndef ONLINE_JUDGE
    freopen("bzoj4000.in", "r", stdin);
    freopen("bzoj4000.out", "w", stdout);
#endif
}

const int N = (1 << 6) + 5;
typedef unsigned int uint;
struct matrix { uint a[N][N]; } a, b;
int n, m, p, k, atk[3], all, now;

inline matrix operator * (const matrix a, const matrix b) {
    matrix c; Set(c.a, 0);
    For(i, 0, all) For(k, 0, all) For(j, 0, all)            
        c.a[i][j] += a.a[i][k] * b.a[k][j];
    return c;
}

inline matrix qpow(matrix a, int b) {
    matrix res; For(i, 0, all) res.a[i][i] = 1;
    for (; b; a = a * a, b >>= 1) if (b & 1) res = res * a;
    return res;
}

inline bool check(int st1, int st2) {
    For(i, 0, m - 1) if (st1 & (1 << i)) {
        if (i > k) now = atk[1] << (i - k); else now = atk[1] >> (k - i);   
        if ((now & st1) != (1 << i)) return false;      
    }

    For(i, 0, m - 1) if (st2 & (1 << i)) {
        if (i > k) now = atk[1] << (i - k); else now = atk[1] >> (k - i);   
        if ((now & st2) != (1 << i)) return false;      
    }

    For(i, 0, m - 1) if (st1 & (1 << i)) {
        if (i > k) now = atk[2] << (i - k); else now = atk[2] >> (k - i);   
        if (now & st2) return false;        
    }

    For(i, 0, m - 1) if (st2 & (1 << i)) {
        if (i > k) now = atk[0] << (i - k); else now = atk[0] >> (k - i);   
        if (now & st1) return false;        
    }
    return true;
}

int main() {
    File();
    cin >> n >> m >> p >> k;
    For(i, 0, 2) For(j, 0, p - 1) atk[i] |= (read() << j);

    all = (1 << m) - 1;
    For(s, 0, all) For(t, 0, all) if (check(s, t)) a.a[t][s] = 1;

    For(i, 0, all) b.a[i][0] = 1;
    b = qpow(a, n - 1) * b;
    uint ans = 0;
    For(i, 0, all) ans += b.a[i][0];
    printf("%u", ans);
    return 0;
}

转载于:https://www.cnblogs.com/LSTete/p/9507373.html

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多张商品的照片。 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,包含实例分割的多边形点坐标,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:可用于高校或培训机构的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多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,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。
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  | 博主筛选后可见
 
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