[2018.12.30]BZOJ2751 [HAOI2012]容易题(easy)

本文探讨了一种算法策略,用于解决在给定限制条件下的组合计数问题。通过使用乘法分配律,作者推导出了在没有任何限制情况下的基本公式,并介绍了如何在加入特定限制条件下调整计算方法。文章还详细解释了如何利用映射和数据结构来优化计算过程,以及如何处理重复操作的问题。

考虑一个一个加入限制。

那么先算没有限的情况。

根据乘法分配律,发现答案其实是\([\frac{n(n+1)}{2}]^m\)

也就是\(m\)\((1+2+3+...+n)\)的积。将第\(i\)\((1+2+3+...+n)\)记为\(sum_i\)(当然这只是\(sum_i\)的初值)。

设目前答案为\(ans\)

当加入一个限制条件\(x\ y\),就是从\(sum_x\)中删去\(y\),那么答案就减少了\(\frac{ans}{sum_x}\times y\)(当然要求\(y\)还存在于\(sum_x\)中)。

还发现其实我们只关心两次操作的\(x\)是否不同,而不关心具体值。

所以我们开一个map来将\(x\)映射到\([1,k]\)之间的整数上,记为\(mp\)。当然,没有出现的\(x\)可以不管。

另外记一个Pair类型的map或者set,表示操作\(x\ y\)是否被执行过。

code:

#include<bits/stdc++.h>
using namespace std;
struct Pair{
    int a,b;
    bool operator >(Pair y)const{
        if(a!=y.a)return a>y.a;
        return b>y.b;
    }
    bool operator <(Pair y)const{
        if(a!=y.a)return a<y.a;
        return b<y.b;
    }
};
const long long mod=1e9+7;
long long n,m,k,sum[100010],ans,v;
int id,t,cnt;
map<int,int>mp;
map<Pair,bool>mp2;
long long POW(long long x,long long y){
    long long tot=1;
    while(y){
        if(y&1)tot=tot*x%mod;
        x=x*x%mod;
        y>>=1;
    }
    return tot;
}
long long INV(long long x){
    return POW(x%mod,mod-2);
}
long long ch(long long x,long long y){
    return x%mod*INV(y)%mod;
}
int main(){
    scanf("%lld%lld%lld",&n,&m,&k);
    ans=POW(n*(n+1)/2%mod,m);
    for(int i=1;i<=k;i++)sum[i]=n*(n+1)/2;
    for(int i=1;i<=k;i++){
        scanf("%d%lld",&id,&v);
        t=mp[id];
        if(!t)t=mp[id]=++cnt;
        if(mp2[(Pair){t,(int)v}])continue;
        mp2[(Pair){t,(int)v}]=1;
        ans=(ans-ch(ans,sum[t])*v%mod+mod)%mod;
        sum[t]=(sum[t]-v+mod)%mod;
    }
    printf("%lld",ans);
    return 0;
}

转载于:https://www.cnblogs.com/xryjr233/p/BZOJ2751.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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