HDU 4609 3-idiots FFT入门

本文介绍了一种使用快速傅立叶变换(FFT)计算由一组数构成三角形概率的方法。通过计算两数之和并考虑重复计数的问题,最终得出正确概率。

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

给你一堆数,问你组成三角形的概率是多少。

首先用FFT算出可以用两个数组成的长度。

把数当做权值,出现一个数就在那个权值位置加1。
然后就是用FFT计算多项式乘法。

然而这样会有重复
1. 一个数自己和自己组合是不存在的,所以要删一次
2. 比如有两个数1 2 ,取(1,2)和取(2,1)是一样的,这样等于所有情况都算了两遍,除以2即可。

然后算能组成三角形的情况个数。
把FFT的结果先做一个前缀和。
为了避免重复,把原来的数组排序,默认我们取的那根长度是三角形里最长的。
1. 那么组合出的长度比自己长的情况有sum[ maxlen*2 ] - sum[ a[i] ] 种。
2. 取的木棒不能再和其他的组合了 减去n-1种情况。
3. 不能用比自己长的木棒,减去C2i1
4. 不能一个比自己长,一个比自己短,减去(i1)(ni)

最后除C3n就是答案了

#include <iostream>
#include <algorithm>
#include <cstring>
#include <cstdio>
#include<cmath>

using namespace std;
typedef long long LL;
const int INF = 0x3f3f3f3f;
const LL INFL = 0x3f3f3f3f3f3f3f3fLL;
const double eps = 1e-8;
const double pi = acos(-1.0);
const int MAXN = 131072*4+5;


struct cp
{
    double x,y;
    cp() {}
    cp(double x,double y):x(x),y(y) {}
    inline double real() { return x; }
    inline cp operator * (const cp& r) const { return cp(x*r.x -y*r.y,x*r.y+y*r.x);  }
    inline cp operator - (const cp& r) const { return cp(x-r.x,y-r.y); }
    inline cp operator + (const cp& r) const { return cp(x+r.x,y+r.y); }
};

cp a[MAXN],b[MAXN];
LL r[MAXN],res[MAXN];
LL ax[MAXN],l[MAXN];
//ax bx res 应该是同一类型,要开就都开LL

void fft_init(int nm,int k)
{
    for (int i=0;i<nm;i++) r[i] = (r[i>>1] >>1) | ((i & 1) << (k-1));
}

void fft(cp ax[],int nm,int op)
{
    for (int i=0;i<nm;i++) if (i<r[i]) swap(ax[i],ax[r[i]]);
    for (int h=2,m=1;h<=nm;h<<=1,m<<=1)
    {
        cp wn = cp(cos(op*2*pi/h),sin(op*2*pi/h));
        for (int i=0;i<nm;i+=h)
        {
            cp w(1,0);
            for (int j=i;j<i+m;++j,w=w*wn)
            {
                cp t=w*ax[j+m];
                ax[j+m] = ax[j] -t;
                ax[j] = ax[j] +t;
            }
        }
    }
    if (op == -1) for (int i=0;i<nm;i++) ax[i].x /= nm;
}

void trans(LL ax[],LL bx[],int n,int m)
{
    int nm=1,k=0;
    while (nm < 2*n || nm<2*m) nm<<=1,++k;

    for (int i=0;i<n;i++) a[i] = cp(ax[i],0);
    for (int i=0;i<m;i++) b[i] = cp(bx[i],0);
    for (int i=n;i<nm;i++) a[i] = cp(0,0);
    for (int i=m;i<nm;i++) b[i] = cp(0,0);

    fft_init(nm,k);
    fft(a,nm,1);fft(b,nm,1);
    for (int i=0;i<nm;i++) a[i] = a[i] * b[i];
    fft(a,nm,-1);
    nm = n+m-1;
    for (int i=0;i<nm;i++)
    {
        res[i] = (LL)(a[i].real() + 0.5);
    }
}

int n,m;


bool cmp(int a,int b)
{
    return a>b;
}

int main()
{
    int t;
    scanf("%d",&t);
    while (t--)
    {
        memset(res,0,sizeof res);
        memset(ax,0,sizeof ax);
        LL anum = 0;
        LL ans=0;
        scanf("%d",&n);
        LL tot = 1ll*n*(n-1)*(n-2)/6;
        for (int i=1;i<=n;i++)
        {
            scanf("%d",&l[i]);
            ax[l[i]] ++;
            anum = max(anum,l[i]);
        }
        trans(ax,ax,anum+1,anum+1);
        sort(l+1,l+1+n,cmp);
        for (int i=1;i<=n;i++) res[ 2*l[i] ] --;
        for (int i=1;i<=anum*2;i++) res[i] /= 2 ;//选1 2 和选 2 1 是一样的
        for (int i=0;i<=anum*2;i++) res[i] += res[i-1];
        for (int i=1;i<=n;i++)
        {
            ans += res[anum*2] - res[l[i]];
            ans -= 1ll*(i-1)*(i-2)/2;//两个大
            ans -= 1ll*(i-1)*(n-i);//一大一小
            ans -= 1ll*(n-1);//自己和别人
        }
        printf("%.7f\n",1.0*ans/tot);
    }
    return 0;
}
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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