P4841 [集训队作业2013]城市规划

该文章是关于一道编程竞赛题目,涉及图论中的无向连通图计数问题。通过多项式乘法逆来解决,给出了解题思路和算法实现,包括多项式运算和快速傅里叶变换(FFT)的应用,最终时间复杂度为O(nlog^2n)。

P4841 [集训队作业2013]城市规划

题目大意

给你 n n n个点,编号分别为 1 , 2 , … , n 1,2,\dots,n 1,2,,n,求这 n n n个点构成的无向连通图的数目,对 1004535809 1004535809 1004535809取模。

1 ≤ n ≤ 130000 1\leq n\leq 130000 1n130000


题解

前置知识:多项式乘法逆

f ( n ) f(n) f(n)表示点数为 n n n的无向连通图的数量, g ( n ) g(n) g(n)表示点数为 n n n的无向图的数量。

则有 g ( n ) = 2 C n 2 g(n)=2^{C_n^2} g(n)=2Cn2

那么枚举一号节点所在的连通块,得

g ( n ) = ∑ i = 1 n C n − 1 i − 1 ⋅ f ( i ) ⋅ g ( n − i ) g(n)=\sum\limits_{i=1}^n C_{n-1}^{i-1}\cdot f(i)\cdot g(n-i) g(n)=i=1nCn1i1f(i)g(ni)

g ( n ) = 2 C n 2 g(n)=2^{C_n^2} g(n)=2Cn2代入得

2 C n 2 = ∑ i = 1 n C n − 1 i − 1 ⋅ f ( i ) ⋅ 2 C n − i 2 2^{C_n^2}=\sum\limits_{i=1}^n C_{n-1}^{i-1}\cdot f(i)\cdot 2^{C_{n-i}^2} 2Cn2=i=1nCn1i1f(i)2Cni2

2 C n 2 ( n − 1 ) ! = ∑ i = 1 n f ( i ) ( i − 1 ) ! ⋅ 2 C n − i 2 ( n − i ) ! \dfrac{2^{C_n^2}}{(n-1)!}=\sum\limits_{i=1}^n\dfrac{f(i)}{(i-1)!}\cdot\dfrac{2^{C_{n-i}^2}}{(n-i)!} (n1)!2Cn2=i=1n(i1)!f(i)(ni)!2Cni2

定义多项式 F ( x ) , G ( x ) , H ( x ) F(x),G(x),H(x) F(x),G(x),H(x),令

  • F F F的第 n n n项的系数为 f ( n ) ( n − 1 ) ! \dfrac{f(n)}{(n-1)!} (n1)!f(n)
  • G G G的第 n n n项的系数为 2 C n 2 n ! \dfrac{2^{C_n^2}}{n!} n!2Cn2
  • H H H的第 n n n项的系数为 2 C n 2 ( n − 1 ) ! \dfrac{2^{C_n^2}}{(n-1)!} (n1)!2Cn2

F = H × G − 1 ( m o d x n + 1 ) F=H\times G^{-1} \pmod{x^{n+1}} F=H×G1(modxn+1)

G G G H H H都可以 O ( n ) O(n) O(n)求出,再用多项式乘法逆即可求出 F F F

时间复杂度为 O ( n log ⁡ 2 n ) O(n\log^2 n) O(nlog2n)

code

#include<bits/stdc++.h>
using namespace std;
long long w,wn,jc[500005],ny[500005],f[500005],g[500005],h[500005],a1[500005];
const int N=500000;
const long long G=3,mod=1004535809;
long long mi(long long t,long long v){
	if(!v) return 1;
	long long re=mi(t,v/2);
	re=re*re%mod;
	if(v&1) re=re*t%mod;
	return re;
}
void init(){
	jc[0]=1;
	for(int i=1;i<=N;i++) jc[i]=jc[i-1]*i%mod;
	ny[N]=mi(jc[N],mod-2);
	for(int i=N-1;i>=0;i--) ny[i]=ny[i+1]*(i+1)%mod;
}
void ch(long long *a,int l){
	for(int i=1,j=l/2;i<l-1;i++){
		if(i<j) swap(a[i],a[j]);
		int k=l/2;
		while(j>=k){
			j-=k;k>>=1;
		}
		j+=k;
	}
}
void ntt(long long *a,int l,int fl){
	for(int i=2;i<=l;i<<=1){
		if(fl==1) wn=mi(G,(mod-1)/i);
		else wn=mi(G,mod-1-(mod-1)/i);
		for(int j=0;j<l;j+=i){
			w=1;
			for(int k=j;k<j+i/2;k++,w=w*wn%mod){
				long long t=a[k],u=w*a[k+i/2]%mod;
				a[k]=(t+u)%mod;
				a[k+i/2]=(t-u+mod)%mod;
			}
		}
	}
	if(fl==-1){
		long long ny=mi(l,mod-2);
		for(int i=0;i<l;i++) a[i]=a[i]*ny%mod;
	}
}
void solve(int l){
	if(l==1){
		g[0]=mi(f[0],mod-2);
		return;
	}
	solve((l+1)/2);
	int len=1;
	while(len<2*l) len<<=1;
	for(int i=0;i<l;i++) a1[i]=f[i];
	for(int i=l;i<len;i++) a1[i]=0;
	ch(a1,len);ch(g,len);
	ntt(a1,len,1);ntt(g,len,1);
	for(int i=0;i<len;i++){
		g[i]=(2-a1[i]*g[i]%mod+mod)%mod*g[i]%mod;
	}
	ch(g,len);ntt(g,len,-1);
	for(int i=l;i<len;i++) g[i]=0;
}
int main()
{
	init();
	int n;
	scanf("%d",&n);
	for(int i=0;i<=n;i++){
		f[i]=mi(2,1ll*i*(i-1)/2)*ny[i]%mod;
		h[i]=mi(2,1ll*i*(i-1)/2)*ny[i-1]%mod;
	}
	solve(n+1);
	int len=1;
	while(len<=n) len<<=1;
	ch(g,len);ch(h,len);
	ntt(g,len,1);ntt(h,len,1);
	for(int i=0;i<len;i++) f[i]=g[i]*h[i]%mod;
	ch(f,len);
	ntt(f,len,-1);
	printf("%lld",f[n]*jc[n-1]%mod);
	return 0;
}
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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
 
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