EOJ 3744. 与矩阵

探讨如何通过按位与运算找到与矩阵对应字典序最小的数列,使用bitset进行位操作,解决隐藏对角线元素的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

/第一次遇见这题是在三月的月赛,当时摸了没做出来,之后才琢磨出来的,确实挺菜的。/

题面:

单点时限: 1.0 sec

内存限制: 512 MB

前有牛顿瘟疫“家里蹲”发明微积分。

现有 Cuber QQ 新冠肺炎“家里蹲”发明与矩阵。

与矩阵是一个 n×n 的矩阵。规定矩阵中的第 i 行第 j 列记为 (i,j) 。

生成一个与矩阵的方式是,先生成一个长度为 n 的数列 a1,a2,…,an−1,an ,而矩阵中 (i,j)=ai&aj 。

其中 & 是指按位与运算,其计算方式是参与运算的两数各对应的二进位相与。只有对应的两个二进位都为 1 时,结果位才为 1 。

Cuber QQ 发现,同一个与矩阵可能对应着一些不同的数列,不过 Cuber QQ 现在只想知道字典序最小的数列是什么样的。

对于两个数列 a1,a2,…,an−1,an 和 b1,b2,…,bn−1,bn ,如果存在一个整数 k (1≤k≤n) 满足 ak+1<bk+1 且 a1=b1,a2=b2,…,ak=bk ,我们就认为数列 a1,a2,…,an−1,an 的字典序要小于数列 b1,b2,…,bn−1,bn 。

当然,Cuber QQ 不会这么容易让你得到答案,他会把矩阵所有的 (i,i) (1≤i≤n) 的位置全部隐藏,只显示为 0 。

输入格式
第一行输入一个整数 n (1≤n≤1000) ,表示矩阵的大小。

接下来的 n 行,每行 n 个用空格隔开的整数 ai,1,ai,2,…,ai,n (0≤ai,j≤107) ,表示与矩阵。

输入保证至少存在一个可能的解。

输出格式
输出包含一行 n 个用空格隔开的数,表示字典序最小的数列。

input
3
0 0 1
0 0 2
1 2 3
output
1 2 3

提示
样例中给出的数列为 1,2,3 。

思路
用bitset数组a将数列里的每个数按位储存,将其初始化为0。
对角线元素被隐藏了,不去管它。
扫描整个矩阵,因为它是‘与’矩阵,所以当扫描到非零元素(i,j)时,把它的每一位按位存进a[i],a[j]。
扫描完(i,j)和(j,i)后就可以得到对应的a[i],a[j]。
最后把数组转换成unsigned long 输出即可。

ac代码

#include <iostream>
#include <bitset>
using namespace std;
bitset<32> a[1002];
/* run this program using the console pauser or add your own getch, system("pause") or input loop */

int main(int argc, char** argv) 
{
	int n;
	cin >> n;
	long int num[n][n];
	int i,j,k;
	for(i=0;i<n;i++)
		for(j=0;j<n;j++)
			cin >> num[i][j];
	
	for(i=0;i<=1001;i++) a[i].reset();
	for(i=0;i<n;i++)
	{
		for(j=0;j<n;j++)
		{
			if(num[i][j]!=0)
			{
				long int c=num[i][j];
				for(k=0;k<32;k++)
				{
					if((c>>k)&1)
					{
						a[i][k]=1;
						a[j][k]=1;
					}
				}
			}
		}
	}
	for(i=0;i<n;i++)
		cout << a[i].to_ulong() << " ";
		
	return 0;
}
### 关于 EOJ 3681 的中位数问解析 #### 目概述 目描述了一张由 \( n \) 个点和 \( m \) 条边组成的有向无环图 (DAG),其中每个节点具有一个点权 \( A_i \)[^2]。目标是找到从起点 \( 1 \) 到终点 \( n \) 所有可能路径中的最大中位数值。 --- #### 解思路分析 为了求解此问,需考虑以下几个方: 1. **定义中位数** 对于一条路径上的点权序列,假设其长度为奇数,则中位数为按升序排列后的中间值;若长度为偶数,则通常取两个中间值的平均值作为中位数。 2. **二分查找法的应用** 要最大化路径的中位数,可以通过二分查找来逼近最优解。设定初始范围为所有点权的最大值和最小值之间,并逐步缩小范围直到满足精度条件(即绝对或相对误差小于 \( 10^{-4} \))[^3]。 3. **验证候选中位数的有效性** 给定当前猜测的中位数 \( mid \),通过调整权重重新构建图模型:将大于等于 \( mid \) 的点赋正权值,其余点赋负权值。随后利用动态规划或其他算法判断是否存在总权重非负的可行路径。 4. **实细节** - 使用拓扑排序处理 DAG 图结构。 - 动态维护前缀和数组以便快速计算子路径权重之和。 以下是基于上述逻辑的具体代码实: ```python from collections import deque, defaultdict def can_find_non_negative_path(graph, weights, threshold): """检查是否存在一条路径使得经过调整后的权重和 >= 0""" dp = [-float(&#39;inf&#39;)] * len(weights) order = topological_sort(graph) for node in order: if weights[node] >= threshold: current_weight = 1 else: current_weight = -1 dp[node] = max(dp[node], current_weight) for neighbor in graph.get(node, []): dp[neighbor] = max(dp[neighbor], dp[node]) return dp[-1] >= 0 def topological_sort(graph): """对给定的 DAG 进行拓扑排序""" indegree = {node: 0 for node in range(len(graph))} queue = deque() for u in graph: for v in graph[u]: indegree[v] += 1 for node in indegree: if indegree[node] == 0: queue.append(node) result = [] while queue: curr = queue.popleft() result.append(curr) for next_node in graph[curr]: indegree[next_node] -= 1 if indegree[next_node] == 0: queue.append(next_node) return result def find_max_median(n, edges, values): """主函数用于寻找最大中位数""" INF = float(&#39;inf&#39;) low, high = min(values), max(values) precision = 1e-5 graph = defaultdict(list) # 构建邻接表表示的图 for a, b in edges: graph[a].append(b) best_mid = -INF while abs(high - low) > precision: mid = (low + high) / 2 if can_find_non_negative_path(graph, values, mid): best_mid = max(best_mid, mid) low = mid else: high = mid return round((best_mid + low) / 2, 5) # 输入样例测试部分省略... ``` --- #### 复杂度分析 - 时间复杂度主要取决于二分次数以及每次验证操作的时间开销。假设有 \( k \) 层次迭代完成二分过程,则整体时间复杂度大约为 \( O(k \cdot E) \),其中 \( E \) 表示边的数量。 - 空间复杂度则受存储图数据结构的影响,约为 \( O(V+E) \),\( V \) 和 \( E \) 分别代表顶点数目边数量。 ---
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