上一页 1 ··· 21 22 23 24 25 26 27 28 29 ··· 66 下一页
摘要: LINK: "Phoenix and Memory" 这场比赛标题好评 都是以凤凰这个单词开头的 有凤来仪吧. 其实和Hall定理关系不大。 不过这个定理有的时候会由于 先简述一下。 对于一张二分图 左边集合为S 右边集合为T 那么有完备匹配时 最大匹配数为 min(|S|,|T|). 这里不妨假设 阅读全文
posted @ 2020-05-06 14:10 chdy 阅读(183) 评论(0) 推荐(0) 编辑
摘要: BSOJ在哪我也不知道 没有链接. 对于有标号无根树的统计和有度数限制 一般采用prufer序列。 根据prufer序列 容易知道 某个点的出现次数+1为当前点的度数。 对于这道题 考虑设f[i][j]表示前i个点填了prufer序列j个位置时的方案数。 不过这样做存在的问题是 最后我们要求恰好k个 阅读全文
posted @ 2020-05-06 11:31 chdy 阅读(187) 评论(0) 推荐(0) 编辑
摘要: LINK: "Security" 求一个严格大于T的字符串 是原字符串S[L,R]的子串。 容易想到尽可能和T相同 然后再补一个尽可能小的字符即可。 出于这种思想 可以在SAM上先跑匹配 然后枚举加哪个字符 判定即可。 判定s是否在[L,R]中出现过 最快的方法 就是right集了。 这个可以线段树 阅读全文
posted @ 2020-05-05 18:51 chdy 阅读(139) 评论(0) 推荐(0) 编辑
摘要: LINK: "修改" 题面就不放了 大致说一下做法。不愧是dls出的题 以前没见过这种类型的 不过还是自己dp的时候写丑了。 从这道题中得到一个结论 dp方程要写的优美一点 不过写的过丑 优化都优化不了。 容易想到 f[i][j]表示前i个数最大值为aj的最大收益。 那么有$ja_i,f[i][j] 阅读全文
posted @ 2020-05-05 16:43 chdy 阅读(300) 评论(0) 推荐(0) 编辑
摘要: LINK: "分层图" 很精辟的一道题 写的时候没带脑子 导致搞了半天不知道哪错了。 可以想到状压每次到某一层的状态 然后这个表示方案数 多开一维表示此时路径条数的奇偶即可。 不过显然我们只需要知道路径条数的奇偶性即可。 所以对于当前状态 如果某个点路径条数为偶数 那么怎么转移都不必要 所以我们可以 阅读全文
posted @ 2020-05-04 19:58 chdy 阅读(135) 评论(0) 推荐(0) 编辑
摘要: LINK: "随机树" 非常经典的期望dp. 考虑第一问:设f[i]表示前i个叶子节点的期望平均深度。 因为期望具有线性性 所以可以由每个叶子节点的期望平均深度得到总体的。 $f[i]=(f[i 1]\cdot (i 1)+(f[i 1]+1)\cdot 2 f[i 1])/i=f[i 1]+2/i 阅读全文
posted @ 2020-05-03 19:04 chdy 阅读(124) 评论(0) 推荐(0) 编辑
摘要: LINK: "或许" 考试的时候 失了智 完全没想到这道题的做法。 以为很难 原因是没有认真分析 (~~当时状态确实不好~~ 只草草的打了暴力 包括暴力只能跑到14分 发现很多人A掉了这道题就发现隐隐不对。 考虑 此时能用的数字为 s1,s2,s3... 对于一个数字x 那么此时 x^s1 和 x是 阅读全文
posted @ 2020-05-03 16:32 chdy 阅读(122) 评论(0) 推荐(0) 编辑
摘要: LINK: "游戏" 当L==1的时候 容易想到 答案和1的位置有关。 枚举1的位置 那么剩下的方案为(R 1)! 那么总答案为 (R+1) R/2(R 1)! 考虑L==2的时候 对于一个排列什么时候会终止 容易发现是L~R中所有的质数 在这个排列中的最后一个位置的影响。 还是枚举这个质数的位置i 阅读全文
posted @ 2020-05-01 16:55 chdy 阅读(146) 评论(0) 推荐(0) 编辑
摘要: LINK: "死亡之树" 关于去重 还是有讲究的。 题目求本质不同的 具有k个叶子节点的树的个数 不能上矩阵树。 点数很少容易想到装压dp 考虑如何刻画树的形状 发现一个维度做不了 所以。 设状态 f[i][j]表示 点的集合为i叶子集合的点为j的方案树。 这样我们就能知道这棵树大致的样子 空间 为 阅读全文
posted @ 2020-05-01 15:08 chdy 阅读(236) 评论(0) 推荐(0) 编辑
摘要: LINK: "多项式 exp" 做多项式的题 简直在嗑药。 前置只是 泰勒展开 这个东西用于 对于一个函数f(x) 我们不好得到 其在x处的取值。 所以另外设一个函数g(x) 来在x点处无限逼近f(x). 具体的 $f(x) ≈ g(x)=g(0)+\frac{f^1(0)}{1!}x+\frac{ 阅读全文
posted @ 2020-04-30 21:58 chdy 阅读(435) 评论(0) 推荐(0) 编辑
上一页 1 ··· 21 22 23 24 25 26 27 28 29 ··· 66 下一页