[HNOI2014]江南乐

本文解析了一种基于博弈论的游戏策略问题,通过分析石子游戏的必胜策略,利用数学方法简化运算规模,最终实现了一个高效的算法解决方案。

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

题目大意:
  给你指定一个数f,并给你T组游戏,
  每组有n堆石子,A,B两人轮流对石子进行操作,
  每次你可以选择其中任意一堆数量不小于f的石子,平均分为m份(即保证最大的一堆和最小的一堆中石子数量之差不超过1)。
  不能操作者负。
  问先手是否有必胜策略。

思路:
  考虑现在把一堆x个石子分为i堆。
  为了使数量尽量平均,我们应该使分出来每堆的石子数量尽可能等于$\lfloor\frac{x}{i}\rfloor$,
  如果每一堆分到$\lfloor\frac{x}{i}\rfloor$个石子,那么最后会多出$x\mod i$个石子。
  考虑把这些多出来的石子分别放在分出来的石子堆中,那么有$x\mod i$堆会分到新的石子。
  经过简单的计算,我们可以发现最后有$x\mod i$堆分到了$\lfloor\frac{x}{i}\rfloor+1$个石子,有$i-x\mod i$堆分到了$\lfloor\frac{x}{i}\rfloor$。
  因为$sg(x)=mex\{sg(y)|y$是$x$的后继状态$\}$,又因为$y$只有两种,由于相同的数异或可以抵消,我们可以通过判断$x\mod i$和$i-x\mod i$的奇偶性来缩小运算规模。

 1 #include<cstdio>
 2 #include<cctype>
 3 #include<cstring>
 4 #include<algorithm>
 5 inline int getint() {
 6     register char ch;
 7     while(!isdigit(ch=getchar()));
 8     register int x=ch^'0';
 9     while(isdigit(ch=getchar())) x=(((x<<2)+x)<<1)+(ch^'0');
10     return x;
11 }
12 const int N=100000;
13 int sg[N],mex[N];
14 int f;
15 int getsg(const int x) {
16     if(~sg[x]) return sg[x];//记忆化 
17     if(x<f) return sg[x]=0;//当x<f时,不能再往下分,是P状态 
18     sg[x]=0;//做标记,表示x这个状态已经被访问过 
19     for(int i=2;i<=x;i=x/(x/i)+1) {//分为i堆,x/(x/i)+1表示分出来最小的堆仍然为(x/i)的最大能分的堆数 
20         for(int j=i;j<=std::min(i+1,x);j++) {//实际上分i堆和i+1堆两种情况 
21             int tmp=0;
22             if((x%j)&1) tmp^=getsg(x/j+1);//分出来x/j+1个石子//判断奇偶性,如果是偶数直接能消掉,是奇数就算一次 
23             if((j-x%j)&1) tmp^=getsg(x/j);//分出来x/j个石子
24             mex[tmp]=x;//判断mex的时候直接比x就可以了,不需要每次memset 
25         }
26     }
27     while(mex[sg[x]]==x) sg[x]++;
28     return sg[x];
29 }
30 int main() {
31     register int T=getint();
32     f=getint();
33     memset(sg,-1,sizeof sg);
34     while(--T) {
35         int ans=0;
36         for(register int n=getint();n;n--) {
37             ans^=getsg(getint());
38         }
39         printf(ans?"1 ":"0 ");
40     }
41     int ans=0;
42     for(register int n=getint();n;n--) {
43         ans^=getsg(getint());
44     }
45     printf(ans?"1\n":"0\n");
46     return 0;
47 }

 

转载于:https://www.cnblogs.com/skylee03/p/7603633.html

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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