tyvj-2049 魔法珠

题意:

给出n堆珠子,每堆有a[i]个;

两个人轮流操作,每次操作都是以下三步:

1.选择n堆中魔法珠数量大于1的任意一堆。记该堆魔法珠的数量为p,p有b1、b2……bm这m个小于p的约数;
2.施展魔法把这一堆魔法珠变成m堆,每堆各有b1、b2……bm颗魔法珠;
3.选择这m堆中的一堆魔法珠,施展魔法令其消失;

当有一方不能操作时判负,求先手赢还是后手赢;


题解:

这道题中有很多个堆,但是各个堆中是互不影响的,所以可以利用SG定理合并游戏结果;

那么考虑游戏的结果,当珠子全为1时游戏就结束了;

1就是游戏的终态,SG函数值就是0;

(不知道SG函数的还是右转白书吧(笑))

之后的事就是求SG函数,暴力求约数,递归找约数SG值;

异或在一起之后再枚举一遍,再异或哪个约数就是删掉了那堆;

hash统计一遍就得到了SG函数,本题也就解决了;

注意递归调用的姿势,千万不要将hash数组和约数数组开在全局变量里= = ;


代码:


#include<stdio.h>
#include<string.h>
#include<algorithm>
#define N 1100
using namespace std;
int f[N];
int yue_mo(int *yue,int n)
{
	int cnt=0;
	for(int i=1;i<n;i++)
	{
		if(n%i==0)
			yue[++cnt]=i;
	}
	return cnt;
}
int slove(int n)
{
	if(f[n]!=-1)	return f[n];
	int yue[n];
	bool hash[N<<2];
	memset(hash,0,sizeof(hash));
	int len=yue_mo(yue,n),k=0;
	for(int i=1;i<=len;i++)
		k^=slove(yue[i]);
	for(int i=1;i<=len;i++)
		hash[slove(yue[i])^k]=1;
	for(int i=0;;i++)
		if(!hash[i])
		{
			f[n]=i;
			break;
		}
	return f[n];
}
int main()
{
	int n,m,i,j,k;
	memset(f,-1,sizeof(f));
	f[1]=0;
	while(scanf("%d",&n)!=EOF)
	{
		k=0;
		for(i=1;i<=n;i++)
		{
			scanf("%d",&j);
			k^=slove(j);
		}
		if(k)
			puts("freda");
		else
			puts("rainbow");
	}
	return 0;
}




分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代示例不仅展示了理论知识在
### IntelliJ IDEA 中通义 AI 功能介绍 IntelliJ IDEA 提供了一系列强大的工具来增强开发体验,其中包括与通义 AI 相关的功能。这些功能可以帮助开发者更高效地编写代并提高生产力。 #### 安装通义插件 为了使用通义的相关特性,在 IntelliJ IDEA 中需要先安装对应的插件: 1. 打开 **Settings/Preferences** 对话框 (Ctrl+Alt+S 或 Cmd+, on macOS)。 2. 导航到 `Plugins` 页面[^1]。 3. 在 Marketplace 中搜索 "通义" 并点击安装按钮。 4. 完成安装后重启 IDE 使更改生效。 #### 配置通义服务 成功安装插件之后,还需要配置通义的服务连接信息以便正常使用其提供的各项能力: - 进入设置中的 `Tools | Qwen Coding Assistant` 菜单项[^2]。 - 填写 API Key 和其他必要的认证参数。 - 测试连接以确认配置无误。 #### 使用通义辅助编程 一旦完成上述准备工作,就可以利用通义来进行智能编支持了。具体操作如下所示: ##### 自动补全代片段 当输入部分语句时,IDE 将自动提示可能的后续逻辑,并允许一键插入完整的实现方案[^3]。 ```java // 输入 while 循环条件前半部分... while (!list.isEmpty()) { // 激活建议列表选择合适的循环体内容 } ``` ##### 解释现有代含义 选中某段复杂的表达式或函数调用,右键菜单里会有选项可以请求通义解析这段代的作用以及优化意见。 ##### 生产测试案例 对于已有的业务逻辑模块,借助于通义能够快速生成单元测试框架及初始断言集,减少手动构建的成本。 ```python def test_addition(): result = add(2, 3) assert result == 5, f"Expected 5 but got {result}" ```
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