3461. 在哈尔滨的寒风中(找规律)

本文探讨了一道趣味算法题目:在n×m的棋盘上,骑士如何通过马步覆盖尽可能多的位置。针对不同大小的棋盘,文章给出了详细的解答方案,并通过数学公式计算出了骑士能够到达的所有无序地砖对数。

Time limit per test: 1.0 seconds
Memory limit: 256 megabytes
kblack 来到了寒冬中的哈尔滨,哈尔滨的寒风令 kblack 瑟瑟发抖。

世界上最远的距离,是你与宾馆只差一条冰街,而你却忘了穿上秋裤。

kblack 终于冲进了宾馆,宾馆大厅的地板铺满了五颜六色的地砖,可以被看作是一块 n×m 格的棋盘,为了能使冻僵了的双脚尽快暖和起来,kblack 决定在地砖上走动,但是他被速冻的双脚在棋盘地板上只能走马步。

kblack 居然想知道有多少对地砖(无序点对)他可以通过若干步马步互相抵达!
Input
输入包含一行两个正整数 n, m,表示棋盘的大小,保证 1≤n×m≤109 。

Output
输出包含一个整数,表示 kblack 可以通过马步互相到达的无序地砖对数。

Examples
input
1 2
output
0
input
4 2
output
4
Source
EOJ Monthly 2017.12

Prepared by kblack.

题解:http://acm.ecnu.edu.cn/blog/entry/137/
虽然限制只能走马步,但我们很容易意识到在足够大的棋盘(例如象棋棋盘)上,马可以达到任何位置。事实上通过简单的验证,可以发现这一大小的下界是 3×4。

于是对于所以 ≥3×4 的棋盘,我们可以断言所有砖之间可以互相到达,此时答案为 C n*m 取 2。

当棋盘大小为 3×3 时,通过简单的模拟可以发现外围的 8 块砖可以互相到达,此时答案为 C 8 取 2。

当棋盘大小为 2×n 时,我们发现不同奇偶不同的行/列交替可达,此时有 2 组 ⌊n/2⌋ 的联通块与两组 n−⌊n/2⌋ 的联通块,答案为 2×C n/2 取 2 + 2 × C n - (n / 2)取 2。

当棋盘大小为 1×n 时,没有合法的马步,此时答案为 0。

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <cmath>
#include <cstdlib>
#include <ctime>
using namespace std;
typedef long long ll;

int main(){
    ll sum = 0,n,m;
    scanf("%lld %lld",&n,&m);
    if(n == 1 || m == 1) sum = 0;
    else if(n == 2 || m == 2){
        ll x,y;
        n = max(n,m);
        x = n / 2LL;
        y = n - n / 2LL;
        sum += x * (x - 1LL) + y * (y - 1LL);
    }
    else if(n == 3 && m == 3) sum = 28;
    else{
        ll x;
        x = n * m;
        sum += x * (x - 1LL) / 2LL; 
    }
    printf("%lld\n",sum);
}
### 寒风深度学习教程资源 对于希望深入理解并掌握深度学习技能的人来说,合理规划学习路径至关重要[^1]。盲目追求最新的工具和技术而忽视基础知识的积累往往会导致事倍功半的结果。为了有效提升个人能力,在选择具体的学习材料之前应当先打牢Python编程以及机器学习理论的基础。 针对寒风这一特定讲师或系列课程的选择,重要的是确认其教学风格是否适合自己,并且该资源能否提供系统化的指导来帮助构建完整的知识体系[^3]。如果决定跟随寒风的教程进行学习,则建议: - **专注于高质量内容而非数量**:避免陷入所谓“松鼠症”的陷阱——即过度搜集而不实际消化任何资料的情况。相反,应该挑选少数几个评价良好、结构清晰的教学视频或书籍作为主要参考资料,并确保能够彻底理解和应用其中的概念[^2]。 - **利用官方文档和其他权威来源补充知识点**:即使选择了某个具体的培训渠道,也不应完全依赖它。例如,当涉及到像TensorFlow这样的框架时,查阅官方网站上的最新指南可以获取最准确的信息和支持[^4]。 最后值得注意的是,尽管当前竞争激烈,但对于真正投入时间和精力去钻研这门学科的学生来说,互联网提供了前所未有的机会获得所需的知识和经验[^5]。 ```python # 示例代码用于展示如何加载数据集(假设使用PyTorch) import torch from torchvision import datasets, transforms transform = transforms.Compose([transforms.ToTensor()]) train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) print(f"MNIST训练集中共有{len(train_dataset)}个样本") ```
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