Description

  

  给定二维直角坐标系上的N个点\((X_i,Y_i)\),定义一个有N个点中的部分点所构成点集为“凸点集”,当且仅当该集合内的所有点恰好构成一个面积为正的凸多边形(每个内角严格小于180°)。

  

  对于每一个凸点集S,设这N个在该点集对应凸多边形内(包括边界)的数量为m,则该凸点集对答案的贡献的为\(2^{m-|S|}\),求这N个点中每一个凸点集对答案的贡献之和。

  

  由于最终答案可能非常大,你只需输出答案在模998244353意义下的结果。

  

  

  

Solution

  

  看起来很吓人。

  

  我们先定义一个由点集到凸包外壳集的函数:\(f(S)\)表示点集\(S\)的凸包外壳点集。

  

  对于某一个点集\(S\cup T\),其中凸包外壳为\(S\),内含点集为\(T\),则其凸包外壳\(f(S+T)=S\)。整个凸包对答案的贡献为\(2^{|T|}\),即\(T\)的子集个数。对于子集\(T'\subset T\),\(f(S+T')\)都为\(S\)。我们相当于统计外壳固定时,有多少种点集不影响外壳。

  

  那么我们不就相当于把每一个凸包点集都枚举了恰好一次吗?反向考虑,任意一个有效凸包点集\(A\),我们发现其仅会在固定\(f(A)\)这个凸包外壳统计答案的时候贡献恰好一次。

  

  所以总答案变成:原图有多少个凸包....

  

  有效凸包数,等于总非空点集数,减去单点凸包\(N\),减去双点凸包\(N \choose 2\),再减去共线凸包个数。最后一个部分可以用最小/大表示法计算,即枚举每个共线凸包编号最小/大的两个点,计算这两个点的直线,再判断使用比这两个点编号大/小的点能与这两个点组成多少个共线凸包。

  

  这题要怎么说啊,首先要对那个2的幂敏感,看出子集个数的概念。如果正面想求和意义实在行不通,不妨尝试从元素贡献来反向考虑。

   

  

Code

  

#include <cstdio>
using namespace std;
const int N=205;
const int MOD=998244353;
int n;
struct Point{
int x,y;
Point(){}
Point(int _x,int _y){
x=_x; y=_y;
}
friend Point operator - (Point a,Point b){
return Point(a.x-b.x,a.y-b.y);
}
}a[N];
int pow2[N];
void readData(){
scanf("%d",&n);
for(int i=1;i<=n;i++)
scanf("%d%d",&a[i].x,&a[i].y);
}
void initPow(){
pow2[0]=1;
for(int i=1;i<=n;i++)
pow2[i]=(pow2[i-1]<<1)%MOD;
}
int cross(Point a,Point b){
return a.x*b.y-a.y*b.x;
}
bool on_line(int i,int j,int k){
return cross(a[j]-a[i],a[k]-a[i])==0;
}
void solve(){
int ans=(1ll*pow2[n]-(1ll*n*(n-1)/2)-n-1)%MOD;
for(int i=2;i<n;i++)
for(int j=i+1;j<=n;j++){
int sum=0;
for(int k=1;k<i;k++)
if(on_line(i,j,k))
sum++;
(ans-=pow2[sum]-1)%=MOD;
}
printf("%d\n",ans<0?ans+MOD:ans);
}
int main(){
readData();
initPow();
solve();
return 0;
}

【ARC082E】ConvexScore的更多相关文章

  1. 【Atcoder】ARC082 E - ConvexScore

    [算法]计算几何 [题意]给定平面直角坐标系上的若干个点,任意选点连成凸多边形,凸多边形的价值定义为2^(n-|S|),其中n为凸多边形内部点数(含边界),|S|为顶点数,求总价值.n<=10^ ...

  2. Python高手之路【六】python基础之字符串格式化

    Python的字符串格式化有两种方式: 百分号方式.format方式 百分号的方式相对来说比较老,而format方式则是比较先进的方式,企图替换古老的方式,目前两者并存.[PEP-3101] This ...

  3. 【原】谈谈对Objective-C中代理模式的误解

    [原]谈谈对Objective-C中代理模式的误解 本文转载请注明出处 —— polobymulberry-博客园 1. 前言 这篇文章主要是对代理模式和委托模式进行了对比,个人认为Objective ...

  4. 【原】FMDB源码阅读(三)

    [原]FMDB源码阅读(三) 本文转载请注明出处 —— polobymulberry-博客园 1. 前言 FMDB比较优秀的地方就在于对多线程的处理.所以这一篇主要是研究FMDB的多线程处理的实现.而 ...

  5. 【原】Android热更新开源项目Tinker源码解析系列之一:Dex热更新

    [原]Android热更新开源项目Tinker源码解析系列之一:Dex热更新 Tinker是微信的第一个开源项目,主要用于安卓应用bug的热修复和功能的迭代. Tinker github地址:http ...

  6. 【调侃】IOC前世今生

    前些天,参与了公司内部小组的一次技术交流,主要是针对<IOC与AOP>,本着学而时习之的态度及积极分享的精神,我就结合一个小故事来初浅地剖析一下我眼中的“IOC前世今生”,以方便初学者能更 ...

  7. Python高手之路【三】python基础之函数

    基本数据类型补充: set 是一个无序且不重复的元素集合 class set(object): """ set() -> new empty set object ...

  8. Python高手之路【一】初识python

    Python简介 1:Python的创始人 Python (英国发音:/ˈpaɪθən/ 美国发音:/ˈpaɪθɑːn/), 是一种解释型.面向对象.动态数据类型的高级程序设计语言,由荷兰人Guido ...

  9. 【开源】简单4步搞定QQ登录,无需什么代码功底【无语言界限】

    说17号发超简单的教程就17号,qq核审通过后就封装了这个,现在放出来~~ 这个是我封装的一个开源项目:https://github.com/dunitian/LoTQQLogin ————————— ...

随机推荐

  1. 【chrome】"您的连接不是私密连接" 解决办法

    1.启用显示证书选项 在Chrome的地址栏中输入:chrome://flags/#show-cert-link,选择"启用",重启Chrome浏览器.  (操作过无用) 2.安装 ...

  2. 2017-2018 Exp6 信息搜集与漏洞扫描 20155214

    目录 Exp6 信息搜集与漏洞扫描 实验内容 信息收集 漏洞扫描 知识点 Exp6 信息搜集与漏洞扫描 收集渗透目标的情报是最重要的阶段.如果收集到有用的情报资料的话,可以大大提高对渗透测试的成功性. ...

  3. 20155217《网络对抗》Exp02 后门原理与实践

    20155217<网络对抗>Exp02 后门原理与实践 实验要求 使用netcat获取主机操作Shell,cron启动. 使用socat获取主机操作Shell,任务计划启动. 使用MSF ...

  4. 20155227《网络对抗》Exp9 Web安全基础实践

    20155227<网络对抗>Exp9 Web安全基础实践 实验内容 关于WebGoat Cross-Site Scripting(XSS)练习 Injection Flaws练习 CSRF ...

  5. 20155338《网络对抗》Web安全基础实践

    20155338<网络对抗>Web安全基础实践 实验过程 WebGoat 在终端中输入 java -jar webgoat-container-7.0.1-war-exec.jar 开启W ...

  6. USART_GetITStatus和USART_GetFlagStatus的区别

    USART_GetITStatus()和USART_GetFlagStatus()的区别 都是访问串口的SR状态寄存器,唯一不同是,USART_GetITStatus()会判断中断是否开启,如果没开启 ...

  7. CF1096G Lucky Tickets

    https://www.luogu.org/problemnew/show/CF1096G 显然dp出用\(\frac{n}{2}\)个数能拼出来的每个数的方案数,平方相加就行了,dp显然ntt+快速 ...

  8. 设计模式 笔记 工厂方法 Factory Methon

    //---------------------------15/04/09---------------------------- //factory method 工厂方法-------对象创建型模 ...

  9. effective c++ 笔记 (5-8)

    //---------------------------15/03/26---------------------------- //#5    了解c++默默编写并调用哪些函数 { /* c++会 ...

  10. numpy 初识(一)

    基本操作: 读取文件(与pandas读取csv相似): import numpy numpy.genfromtxt("word.txt", delimiter=',', dtype ...