CF1096F Inversion Expectation

本文详细解析了Codeforces 1096F题目,将问题分解为四部分进行解答,分别处理不确定位置、未知数与已知数以及已知数之间的逆序对计算,采用O(nlogn)复杂度算法解决。

https://codeforces.com/problemset/problem/1096/F

题意:

给你一个长为 n 的排列,若某一位为 1 则这一位是不确定的。每种可能的排列出现的概率相等。求期望逆序对数对 998244353 取模的结果。


 

让我们把问题拆成四个小问题

问题 1. 两个都是不确定的位置组成的逆元。每对位置要么构成逆元,要么不构成逆元。而且这两种方案数是相等的(只要把两个数字交换一下就能构造出了)因此每对这样的位置都能贡献二分之一个逆序对,所以这部分的答案就是

 

问题 2 和 3.由一个未知数和一个已知数组成的逆序对。让我们先看左边未知、右边已知的这种分类,对应的另一种的处理方法是类似的。对于每一个已知的数字,计算它左侧的所有未知位置数为lftx,以及未确定数中大于这个数的总数gtx。只有当这些数字出现在前面才能贡献价值,每个位置上平均出现gtx/cnt(-1)个,而前面一共有lftx个位置,因此总贡献就是lftx*gtx/cnt(-1),把他们都加到ans中去

问题 4.由两个已知数组成的逆序对。这个问题十分经典,在这里就不多叙述了。统计出答案累加即可

总复杂度:

O(nlogn)

其中除了最后一种问题,其他问题都可以用O(n)的复杂度解决。

我认为问题的拆分和转化是很重要的,如果找错了切入点或者没有恰当的分类,都很难流畅的解决问题

转载于:https://www.cnblogs.com/2017SSY/p/10209998.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、图像分割等实际问题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