洛谷P2044 [NOI2012]随机数生成器

数列求值与矩阵快速幂

传送门

题意Open-mouthed smile

数列$X_{n+1}=(aX_n+c)\bmod m$

其中$a,c$是给定的常数,$n>0$。$X_0$的值已给出。

然后呢,你需要求出$X_n\bmod g$。

$n,m,a,c,X_0\leq10^{18},g\leq 10^8$。

题解

构造列向量

$$C_n=\begin{bmatrix}1\\X_n\end{bmatrix}$$

然后,构造转移矩阵

$$\begin{bmatrix}1&0\\c&a\end{bmatrix}C_n=C_{n+1}$$

嗯。然后要注意的:

$$a\bmod m\bmod g\not=a\bmod \min(m,g)$$。

所以要用到神奇的long long乘法。

嗯。贴代码:

#include <bits/stdc++.h>
using namespace std;
 
typedef long long ll;
typedef array<array<ll, 3>, 3> Matrix;
ll P;
Matrix A, I;
 
inline ll MulMod(ll a, ll b, ll m){
	ll t = a * b - (ll)((long double)a * b / m + 1e-10) * m;
	return (t %= m) < 0 ? t + m : t;
}
Matrix MatrixMul(const Matrix &A, const Matrix &B) {
    Matrix ret;
    for (int i=1; i<=2; i++)
        for (int j=1; j<=2; j++) {
            ret[i][j] = 0;
            for (int k=1; k<=2; k++)
                (ret[i][j] += MulMod(A[i][k], B[k][j], P)) %= P;
        }
    return ret;
}
Matrix PowerMod(ll k) {
    if (k == 0) return I;
    if (k == 1) return A;
    if (k & 1) return MatrixMul(PowerMod(k-1), A);
    Matrix B = PowerMod(k >> 1);
    return MatrixMul(B, B);
}
 
signed main() {
    I[1][1] = I[2][2] = 1;
    ll m,a,c,x0,n,g;
    scanf("%lld%lld%lld%lld%lld%lld", &m,&a,&c,&x0,&n,&g);
    P = m;
    A[1][1] = 1; A[1][2] = 0; A[2][1] = c; A[2][2] = a;
	Matrix ret = PowerMod(n);
	ll ans = (MulMod(x0, ret[2][2], m) + ret[2][1]) % m % g;
	if (ans < 0) {
		ans = (ans + (-ans / g) * g + g) % g;
	}
    printf("%lld\n", ans);
    return 0;
}

转载于:https://www.cnblogs.com/mchmch/p/luogu-p2044.html

<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求。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** 题目要求判断 $n \times m$ 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