05 洛谷P2044 [NOI2012]随机数生成器

介绍如何使用线性同余法生成随机数列,并通过矩阵快速幂求解特定位置的随机数值。

题目描述

栋栋最近迷上了随机算法,而随机数是生成随机算法的基础。栋栋准备使用线性同余法(Linear Congruential Method)来生成一个随机数列,这种方法需要设置四个非负整数参数m,a,c,X[0],按照下面的公式生成出一系列随机数{Xn}:

                       X[n+1]=(aX[n]+c) mod m

其中mod m表示前面的数除以m的余数。从这个式子可以看出,这个序列的下一个数总是由上一个数生成的。

用这种方法生成的序列具有随机序列的性质,因此这种方法被广泛地使用,包括常用的C++和Pascal的产生随机数的库函数使用的也是这种方法。

栋栋知道这样产生的序列具有良好的随机性,不过心急的他仍然想尽快知道X[n]是多少。由于栋栋需要的随机数是0,1,...,g-1之间的,他需要将X[n]除以g取余得到他想要的数,即X[n] mod g,你只需要告诉栋栋他想要的数X[n] mod g是多少就可以了。

输入输出格式

输入格式:

输入包含6个用空格分割的整数m,a,c,X[0],n和g,其中a,c,X[0]是非负整数,m,n,g是正整数。

输出格式:

输出一个数,即X[n] mod g

输入输出样例

输入样例#1: 
11 8 7 1 5 3
输出样例#1: 
2

说明

计算得X[n]=X[5]=8,故(X[n] mod g) = (8 mod 3) = 2

100%的数据中n,m,a,c,X[0]<=10^18,g<=10^8

裸的矩阵快速幂。。。

注意到输入是 long long 类型,所以快速幂的 乘 改成 快速加。

附代码:

[cpp]  view plain  copy
  1. #include<iostream>  
  2. #include<algorithm>  
  3. #include<cstdio>  
  4. using namespace std;  
  5. unsigned long long n,m,a,c,x0,g;  
  6. struct node{  
  7.     unsigned long long a[3][3];  
  8. }base,ans;  
  9. inline long long read(){  
  10.     long long date=0,w=1;char c=0;  
  11.     while(c<'0'||c>'9'){if(c=='-')w=-1;c=getchar();}  
  12.     while(c>='0'&&c<='9'){date=date*10+c-'0';c=getchar();}  
  13.     return date*w;  
  14. }  
  15. unsigned long long mul(unsigned long long x,unsigned long long y,unsigned long long p){  
  16.     unsigned long long s=0;  
  17.     while(y){  
  18.         if(y&1)s=(s+x)%p;  
  19.         x=(x<<1)%p;  
  20.         y>>=1;  
  21.     }  
  22.     return s;  
  23. }  
  24. node operator *(const node &x,const node &y){  
  25.     node ret;  
  26.     for(int i=1;i<=2;i++)  
  27.     for(int j=1;j<=2;j++){  
  28.         ret.a[i][j]=0;  
  29.         for(int k=1;k<=2;k++){  
  30.             ret.a[i][j]+=mul((x.a[i][k]%m),(y.a[k][j]%m),m)%m;  
  31.             ret.a[i][j]%=m;  
  32.         }  
  33.     }  
  34.     return ret;  
  35. }  
  36. void mexp(long long k){  
  37.     while(k){  
  38.         if(k&1)ans=ans*base;  
  39.         base=base*base;  
  40.         k>>=1;  
  41.     }  
  42. }  
  43. int main(){  
  44.     m=read();a=read();c=read();x0=read();n=read();g=read();  
  45.     base.a[2][1]=0;base.a[1][1]=base.a[1][2]=1;base.a[2][2]=a%m;  
  46.     ans.a[1][1]=c%m;ans.a[1][2]=x0%m;  
  47.     mexp(n);  
  48.     printf("%lld\n",ans.a[1][2]%g);  
  49.     return 0;  
  50. }  
<think>好的,用户需要查找P1173 NOI2016网格问题的Python解决方案或代码实现。首先,我需要回忆一下这个题目的具体要。题目大意是判断一个网格是否会被障碍物分成不连通的部分,这可能涉及到图论中的割点或割边判断。 接下来,我需要考虑如何用Python实现这个问题的解法。这类题目通常需要高效的算法,因为数据规模可能较大。Python在处理大数据时可能会遇到性能问题,所以需要考虑优化方法。 首先,题目中的网格可以看作是一个图,其中某些格子被障碍物占据。判断是否存在割点,即移除某个点后图是否不连通,这是关键。Tarjan算法通常用于寻找割点,但实现起来需要注意细节,尤其是用Python时递归深度可能受限,可能需要用迭代方式或者优化代码。 然后,我需要查阅是否有现有的Python解法。不过用户提到站内引用中的内容似乎与快速排序或其他问题相关,可能不直接适用。但根据引用[2],用户提到了代码优化和UB(未定义行为)的问题,这提示在编写Python代码时需要注意避免类似错误,比如确保所有分支都有返回值,避免无限循环等。 另外,用户可能需要的是具体的代码示例。考虑到Python在二维网格问题中的处理,通常会用坐标转换、邻接表或矩阵来表示图结构。对于割点检测,可以使用Tarjan算法,维护每个节点的dfn(发现时间)和low(能回溯到的最早节点)值,判断是否存在子节点无法通过其他路径回到祖先节点。 不过,Python的递归深度限制可能对Tarjan算法产生影响,尤其是在大网格情况下。因此,可能需要用非递归的DFS实现,或者调整递归深度限制。但这也可能导致代码复杂度增加。 另外,题目中的障碍物可能形成多个连通块,需要处理多个情况。比如,当障碍物数量较少时,可能直接判断是否形成包围圈;当障碍物较多时,需要更复杂的判断逻辑。 总结步骤可能包括: 1. 将网格转换为图结构,标记障碍物。 2. 使用Tarjan算法寻找割点。 3. 判断是否存在割点导致图不连通。 4. 处理特殊情况,如网格过小、障碍物数量不足等。 在编写Python代码时,需要注意数据结构的效率,比如使用集合或字典来快速访问节点,避免重复计算。此外,可能的优化包括剪枝、预处理等。 最后,根据用户提供的引用,虽然引用内容不直接相关,但需要注意代码的正确性和优化,避免出现未定义行为或逻辑错误。例如,确保所有函数都有正确的返回语句,避免因编译器优化导致的错误,这在Python中可能表现为逻辑错误而非运行错误。</think>关于 P1173 NOI2016 网格问题的 Python 解法,该问题属于图论中的连通性判断问题,需要判断是否存在障碍物形成的割点导致网格不连通。以下是解题思路和实现要点: --- ### **问题核心分析** 题目要判断 $n \times m$ 网格中,给定 $c$ 个障碍物的位置后,是否会将网格分割为多个不连通区域。关键在于判断是否存在 **割点**(即移除该点会导致图不连通)或 **割边**。 --- ### **算法选择** 1. **Tarjan 算法**:用于寻找无向图的割点。若存在割点,则网格可能被分割。 2. **连通性检测**:需考虑障碍物分布对整体连通性的影响,特别是边界情况和稀疏障碍物场景[^1]。 --- ### **Python 实现步骤** #### 1. **坐标离散化与邻接表构建** 将网格坐标转换为图中的节点,并为每个非障碍物节点建立邻接关系: ```python def build_graph(n, m, obstacles): obstacles_set = set(obstacles) graph = defaultdict(list) directions = [(-1,0), (1,0), (0,-1), (0,1)] for x in range(n): for y in range(m): if (x, y) not in obstacles_set: for dx, dy in directions: nx, ny = x + dx, y + dy if 0 <= nx < n and 0 <= ny < m and (nx, ny) not in obstacles_set: graph[(x, y)].append((nx, ny)) return graph ``` #### 2. **Tarjan 算法实现割点检测** 通过深度优先搜索(DFS)计算每个节点的 `dfn`(发现时间)和 `low`(回溯值): ```python def find_cut_points(graph, start): visited = set() dfn, low = {}, {} parent = {} cut_points = set() time = 0 def tarjan(u): nonlocal time dfn[u] = low[u] = time time += 1 children = 0 for v in graph[u]: if v not in dfn: parent[v] = u children += 1 tarjan(v) low[u] = min(low[u], low[v]) if parent.get(u) is None and children > 1: cut_points.add(u) elif parent.get(u) is not None and low[v] >= dfn[u]: cut_points.add(u) elif v != parent.get(u): low[u] = min(low[u], dfn[v]) tarjan(start) return cut_points ``` #### 3. **特殊情况处理** - **极小网格**:如 $n \times m \leq 2$ 时无需判断。 - **障碍物数量不足**:若障碍物数量少于 2,则无法分割网格[^2]。 --- ### **完整代码框架** ```python from collections import defaultdict def main(): n, m, c = map(int, input().split()) obstacles = [tuple(map(int, input().split())) for _ in range(c)] if n * m - c < 2: print("No") return if c == 0: print("Yes" if n * m >= 2 else "No") return graph = build_graph(n, m, obstacles) nodes = list(graph.keys()) if not nodes: print("No") return cut_points = find_cut_points(graph, nodes[0]) print("Yes" if len(cut_points) > 0 else "No") if __name__ == "__main__": main() ``` --- ### **注意事项** 1. **性能优化**:Python 递归深度有限,对大规模网格需改用迭代式 DFS。 2. **边界条件**:注意坐标范围和障碍物去重。 3. **连通性验证**:需确保所有非障碍物节点均被访问,防止漏判。 --- 相关问题
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