QuantAsk

前言闲的无聊懒得做题不如来水点博客。虽然一直作为一个感性做题的选手，但是理性层面上确实是分析题目初步做法的一个十分重要的方法。额不会涉及具体的知识点，只是总结点自己做题的时候遇到的比较巧妙的方法。混沌排版请见谅还有我也很菜有错误或者不完善的地方见谅/kk（Polya以后再更新）文章目录前言正题基本方法不重容斥寻找基准模型转换奇偶染色组合数→\rightarrow→矩阵乘法期望X计数幂次统计好题正题基本方法计数的基本方法来说的话大致能总结为几类dp组合数学多项式其他dpd

上一篇有点多就开新的了文章目录单幂转下降幂下降幂X组合数单幂转下降幂设f(x)=∑i=0naixi=∑i=0nbixi‾f(x)=\sum_{i=0}^na_ix^i=\sum_{i=0}^nb_ix^{\underline i}f(x)=i=0∑n​ai​xi=i=0∑n​bi​xi​根据xn=∑i=0n{ni}xi‾x^n=\sum_{i=0}^n\begin{Bmatrix}n\\i\end{Bmatrix}x^{\underline i}xn=i=0∑n​{ni​}xi​得到bi=

前言这里的全家桶目前只包括了ln,exp,sqrtln,exp,sqrtln,exp,sqrt。还有一些类似于带余数模，快速幂之类用的比较少的有时间再更，NTTNTTNTT这种前置知识这里不多说。还有一些基本的导数和微积分内容要了解，建议不懂的可以先去翻翻高二数学书。之后多项式算法基本是一环扣一环的，所以前面的看不懂对于后面的理解会造成很大影响。本博客涉及内容偏浅Tips这里是一些我个人的模板书写习惯习惯相关的问题：默认将读入的nnn变为222的整数次幂形式，目前为止这样的做法都不会影响正

前言因为懒得画图理解计算几何所以要来这里鼓励一下自己以后新学的应该也会写在这里。就当我是水博客应该都是二维的计算几何，三维的有生之年再学公式用的不规范，感性理解的正题平面运算定义两个向量a⃗=(xa,ya),b⃗=(xb,yb)\vec{a}=(x_a,y_a),\vec{b}=(x_b,y_b)a=(xa​,ya​),b=(xb​,yb​)下方为了方便不一定会加→\rightarrow→加减向量加法遵循平行四边形定则，a⃗+b⃗=c⃗\vec a+\vec b=\vec ca+b=

前言只是一个小记，不是算法详解参考资料史上最通俗的后缀自动机详解正题概念定义简单的，一个有向无环图，边有字母，满足起点开始的每一条路径都是原串的一个子串。并且保证复杂度在O(n)O(n)O(n)级别内的。endposendposendpos相关每一个子串ppp的endpos(p)endpos(p)endpos(p)被定义为原串中所有出现子串ppp的末尾位置集合。endposendposendpos相同的子串被定义为一个endposendposendpos类，可以证明任何一个串的e

所有集合子集数量和结论nnn个点的所有子集的子集数量为3n3^n3n证明证明:k:k:k个点总共有2k2^k2k个集合，nnn个点数量为kkk的子集数量为CnkC_n^kCnk​。所以答案就是∑k=0nCnk2k\sum_{k=0}^nC_{n}^k2^kk=0∑n​Cnk​2k∑k=0nCnk2k1n−k\sum_{k=0}^nC_{n}^k2^k1^{n-k}k=0∑n​Cnk​2k1n−k然后二项式定理⇒(1+2)n=3n\Rightarrow (1+2)^n=3^n⇒(1+2)n=3n

文章目录二分答案的作用堆和区间很糙ddp线段树合并网络流结论の1树上莫队对角线与GCD区间与扫描线与方案数欧拉欧拉*1斯坦纳树切比雪夫距离二分匹配结论の1二分答案的作用求最大值最小ororor最小值最大将求值问题转换为判断问题在判断问题之间相互转换堆和区间当查询前kkk个最值区间时可以将开始时先将区间丢入堆中，每次取出堆顶然后将区间按照答案分裂成两个存入堆中[NOI2010]...

欧拉函数的奥秘之1某不科学的知识二维费用自然の对数大法斐波那契数列与三角形BST大法好点阵迷踪Cayley公式质嘤数分解の1费马小的妙用の1神仙の调和级数和与积的奥秘の一dpの费用提前计算法插板法不全的大全区间の或和 带 区间の异或

2018.9.152018.9.152018.9.15普通的留宿周六分层图常见方法二进制压缩用二进制表示一些东西的状态形态就是用第几层表示第几个形态(如第几天这样的)树不重合点对数量取下面的更优。2018.9.222018.9.222018.9.22普通的留宿周六换元法求一个数时可以不一定要求它，可以通过求和他有关联的式子从而间接的得到他。...

2018/7/14：普通的纪念中学的一天儿子兄弟表示法将一颗多叉树转换为二叉树的方法，左子节点连原树的第一个儿子，右子节点连原树的右边的兄弟 适用范围：树形dp...