「考试」noip模拟9,11,13
9.1 辣鸡
可以把答案分成 每个矩形内部连线 和 矩形之间的连线 两部分
前半部分即为\(2(w-1)(h-1)\),后半部分可以模拟求(就是讨论四种相邻的情况)
如果\(n^2\)选择暴力模拟是有\(35pts\)的
发现按横坐标排序后,如果有一矩形与当前矩形横向不相邻,则之后矩形都是没有贡献的
所以枚举时比较横坐标视情况跳出
因为会产生贡献的矩形对并不多(不超过\(4e5\),具体还会小),所以这样优化以后可以通过
9.2 模板
暴力跳祖先的话是有\(30pts\)的,经过一番纯玄学特判可以拿到45pts
类比之前主席树的某道题,我们统计答案的时候只关心每个颜色的第一次出现,所以可以以时间为值域开线段树,每个叶子节点存这个节点对球总数和颜色的贡献(0或1)
在合并时,需要考虑当前每个颜色新的最早出现位置,可以开一个存每个颜色最早出现位置的线段树,然后先合并时间线段树,再合并颜色线段树,如果出现了相同颜色就比较,并在时间线段树里修改这个颜色在较晚位置的贡献值

思路是偏的,代码能力不行,就很爽。
9.3 超级树
显然是dp,但是怎么想到这神仙转移啊
考虑k级和k+1级之间的关系:k+1级就是两个k级加一个点连起来
那么如果知道k级的方案数怎么推出k+1级呢
新的这个点可能和两棵树以几种方式建立联系:
- 不连边
- 向左连边
- 向右连边
- 左右同时连边
连边的时候,就要考虑,如果向左连边,有多少种选择方案,这样的问题
这个选择方案数,需要枚举两侧边的位置的每一种情况,再乘上一个边数
那么是不是可以按照边数分类,记录每个边数对应的情况数
就有了状态定义的雏形:\(f[i][j]\)表示\(i\)级树放\(j\)个边的方案数
又发现,在转移时,如果有左边选两条和根接起来这种情况,左边选的两条边是不能相交的
所以:\(f[i][j]\)表示\(i\)级树放\(j\)个不相交边的方案数
那么就有初始状态\(f[1][0]=f[1][1]=1\)
求\(k\)级方案,答案即为\(f[k][1]\)
状态定义想出来,再配合上面的分析过程,转移方程就会简单一些了
状态定义很重要……
11.1 方程的解
\(40pts\)做法:直接面向数据范围特判
正解:\(exgcd\),模拟一下,分类讨论
先求出方程的一组解,然后按不定方程的结论可以得到其他的解
首先得到一组正整数解,如果得不到就是没有解
然后进行一系列加加减减,直到得不到正整数解,并计数
就是基本的做法了
但是需要特判,如果解变换时xy的变化量同号,就说明他们直接并肩上天就行了,解是无限的
而如果a,b有0,就需要考虑这个方程有没有解,且如果有解就是无限个
11.2 光
大模拟
因为光在对角线上走,对角线的特点就是横纵坐标和/差为定值
那么可以用vector维护对角线上点的横坐标,每次查找反射点时二分
注意如果出现了原地折返,答案要/2
又因为起点不一定靠墙,开始时让他先撞一次墙,重新设定起点,再开始模拟
11.3 visit
考试时写出了式子,然后不会求了
发现p数量少,所以用crt合并
发现p很小,所以用lucas求组合。
13.1 入阵曲
考虑余数,先做二维前缀和
数据范围告诉我们需要写一个\(O(n^3)\)的东西
可以在纵坐标枚举每一个区间,然后枚举每一个长度的从最左端开始的矩形,记录每个余数的个数,特别的设\(cnt[0]\)初始为1
那么每个余数有\(\frac{cnt(cnt-1)}{2}\)的贡献
13.2 将军令
数据小的时候直接状压暴搜
发现最好的情况就是各点控制范围无交集,考虑贪心
按深度排序,扫到一个点若未被控制就在他的k级父亲驻扎
13.3 星空
逐个操作很麻烦,考虑差分下的操作,其实就是可以反转两个位置的值
将原序列差分,目标转化为将序列变为全0
一个长为k的操作可以将坐标差为k的两个1变为0,通过不同操作的组合可以得到需要的值,考虑背包
需要改变的位置很少,最多16个,考虑状压,记录每个不为0的数的位置,然后一次消两个,\(f[S]\)为到状态\(S\)需要的最小步数,初始\(f[all]=0\),答案即为\(f[0]\)
「考试」noip模拟9,11,13的更多相关文章
- 「题解」NOIP模拟测试题解乱写II(36)
毕竟考得太频繁了于是不可能每次考试都写题解.(我解释个什么劲啊又没有人看) 甚至有的题目都没有改掉.跑过来写题解一方面是总结,另一方面也是放松了. NOIP模拟测试36 T1字符 这题我完全懵逼了.就 ...
- 「题解」NOIP模拟测试题解乱写I(29-31)
NOIP模拟29(B) T1爬山 简单题,赛时找到了$O(1)$查询的规律于是切了. 从倍增LCA那里借鉴了一点东西:先将a.b抬到同一高度,然后再一起往上爬.所用的步数$×2$就是了. 抬升到同一高 ...
- 「考试」联赛模拟36-39,noip晚间小测2-3
36.1 party(CF623D) 很是鸡贼的一道题 首先要明确一点,抓人是有策略,而不是随机的,可以认为等同于按一个给定的顺序猜人,那么这时猜中的概率就只是抓住这个人的概率了 对于每一次猜测,因为 ...
- 「NOWCODER」CSP-S模拟赛第3场
「NOWCODER」CSP模拟赛第3场 T1 货物收集 题目 考场思路即正解 T2 货物分组 题目 考场思路 题解 60pts 算法:一维 DP 100pts 算法:一维 DP ?线段树 + 单调栈 ...
- 5.23考试总结(NOIP模拟2)
5.23考试总结(NOIP模拟2) 洛谷题单 看第一题第一眼,不好打呀;看第一题样例又一眼,诶,我直接一手小阶乘走人 然后就急忙去干T2T3了 后来考完一看,只有\(T1\)骗到了\(15pts\)[ ...
- 6.17考试总结(NOIP模拟8)[星际旅行·砍树·超级树·求和]
6.17考试总结(NOIP模拟8) 背景 考得不咋样,有一个非常遗憾的地方:最后一题少取膜了,\(100pts->40pts\),改了这么多年的错还是头一回看见以下的情景... T1星际旅行 前 ...
- 5.22考试总结(NOIP模拟1)
5.22考试总结(NOIP模拟1) 改题记录 T1 序列 题解 暴力思路很好想,分数也很好想\(QAQ\) (反正我只拿了5pts) 正解的话: 先用欧拉筛把1-n的素数筛出来 void get_Pr ...
- 2021.9.17考试总结[NOIP模拟55]
有的考试表面上自称NOIP模拟,背地里却是绍兴一中NOI模拟 吓得我直接文件打错 T1 Skip 设状态$f_i$为最后一次选$i$在$i$时的最优解.有$f_i=max_{j<i}[f_j+a ...
- [考试总结]noip模拟23
因为考试过多,所以学校的博客就暂时咕掉了,放到家里来写 不过话说,vscode的markdown编辑器还是真的很好用 先把 \(noip\) 模拟 \(23\) 的总结写了吧.. 俗话说:" ...
随机推荐
- python机器学习使用PCA降维识别手写数字
PCA降维识别手写数字 关注公众号"轻松学编程"了解更多. PCA 用于数据降维,减少运算时间,避免过拟合. PCA(n_components=150,whiten=True) n ...
- Win10 Terminal + WSL 2 安装配置指南,精致开发体验
自从 Windows Terminal 正式发布后就再没有用过 Windows 系统自带的终端了.主要是 Terminal 简洁且灵活,更重要的是支持特殊字体,通过一些简单的配置可以使得终端看起来更舒 ...
- graph generation model
Generative Graph Models 第八章传统的图生成方法> The previous parts of this book introduced a wide variety of ...
- mysql千万级大数据SQL查询优化30条经验(Mysql索引优化注意)
1.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 2.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索 ...
- 没有磁盘空间 No space left on device
INSTALL 的解释文件 帮助文件 这里的 pytorch=1.0.1 torchvision=0.2.2 cudatoolkit=9.0,这个ATSS可以运行. 这里最好能够查看一下cuda的版本 ...
- 三分钟快速解析GraphQL基本工作思路!
欢迎阅读 本文会通过实际场景介绍一下 GraphQL,目的是让你快速了解 GraphQL 是什么,以及基本工作思路,不包含实际用法,所以阅读很轻松. 一.GraphQL 是什么? GraphQL 是后 ...
- Spring5.0源码学习系列之浅谈BeanFactory创建
Spring5.0源码学习系列之浅谈BeanFactory创建过程 系列文章目录 提示:Spring源码学习专栏链接 @ 目录 系列文章目录 博客前言介绍 一.获取BeanFactory主流程 二.r ...
- layui tempalte添加函数
@*超链接action展示*@ <script type="text/html" id="ShowAction"> {{# if(d.DealSta ...
- Java8 新特性 —— Stream 流式编程
本文部分摘自 On Java 8 流概述 集合优化了对象的存储,大多数情况下,我们将对象存储在集合是为了处理他们.使用流可以帮助我们处理对象,无需迭代集合中的元素,即可直接提取和操作元素,并添加了很多 ...
- 机器学习-对数logistics回归
今天 学习了对数几率回归,学的不是很明白x1*theat1+x2*theat2...=y 对于最终的求解参数编程还是不太会,但是也大致搞明白了,对数几率回归是由于线性回归函数的结果并不是我们想要的,我 ...