CF1365G Secure Password(构造,交互,二进制分组)

CF1365G Secure Password

Solution

妙妙思维题。

注意到(136)>n\binom{13}{6}>n(613)>n(谁tm能注意到这个?!?)

我们可以把所有13位二进制数中有6个1的拿出来给nnn个数重标号。然后对于每一位iii,求出重标号后这一位是1的数的位或和,记为wiw_iwi

对于重标号后为iii的位置的答案,只需要让所有iii的0的位的wjw_jwj或起来即可。

Code

#include <bits/stdc++.h>

using namespace std;

template<typename T> inline bool upmin(T &x, T y) { return y < x ? x = y, 1 : 0; }
template<typename T> inline bool upmax(T &x, T y) { return x < y ? x = y, 1 : 0; }

#define MP(A,B) make_pair(A,B)
#define PB(A) push_back(A)
#define SIZE(A) ((int)A.size())
#define LEN(A) ((int)A.length())
#define FOR(i,a,b) for(int i=(a);i<(b);++i)
#define fi first
#define se second

typedef long long ll;
typedef unsigned long long ull;
typedef long double lod;
typedef pair<int, int> PR;
typedef vector<int> VI; 

const lod eps = 1e-9;
const lod pi = acos(-1);
const int oo = 1 << 30;
const ll loo = 1ll << 60;
const int mods = 1e9 + 7;
const int inv2 = (mods + 1) >> 1;
const int MAXN = 1005;
const int INF = 0x3f3f3f3f; //1061109567
/*--------------------------------------------------------------------*/


ll a[5005], w[15], num = 0;
vector<ll> V;
signed main() {
#ifndef ONLINE_JUDGE
//	freopen("a.in", "r", stdin);
#endif
	int n;
	cin >> n;
	for (int i = 0; i < 1 << 13 && num < n ; ++ i)
		if (__builtin_popcount(i) == 6) a[++ num] = i;
	for (int i = 0; i < 13 ; ++ i) {
		vector<int> V; V.clear();
		for (int j = 1; j <= n ; ++ j)
			if ((a[j] >> i) & 1) V.PB(j);
		if (!V.size()) continue;
		cout << "? " << V.size();
		for (auto v : V) cout << " " << v; cout << endl;
		cin >> w[i];
	}
	cout << "!";
	for (int i = 1; i <= n ; ++ i) {
		ll ans = 0;
		for (int j = 0; j < 13 ; ++ j)
			if (!((a[i] >> j) & 1)) ans |= w[j];
		cout << " " << ans;
	}
	return 0;
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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