DE_aemmprty

摘要： 0 参考资料 DP 优化方法大杂烩 II. —— Alex_Wei 算法竞赛进阶指南 —— LYD XMOJ 倾情讲解 —— BYD 1 斜率优化 1.1 斜率优化简介 如果一类最优化问题的 dp 式可以被表示为 \(f_i = \min / \max \{f_j + cosx_i + cosy_j 阅读全文

摘要： 一些注意点： 一看到这种题就应该往 bitset 的方向想。 如果用 bitset，就应该跳脱之前的思维，尝试从最朴素的暴力重新想起。 看到这道题，发现直接做非常的不可做的样子，考虑 bitset。 我们可以先枚举左端点 \(l\)。这样，当我们枚举 \(j\) 时，对于所有的 \(k\) 使得 \ 阅读全文

摘要： 考虑对操作进行转换。假设 \(a_i\) 为第 \(i\) 个 \(1\) 前面的 \(0\) 的个数。 则操作可以进行如下转换： 转换 1：选择一个长度为 \(k + 1\) 的子区间 \(a_{l, \cdots, l + k}\)。我们先把 \(a_{l + 1, \cdots, l + k 阅读全文

摘要： 还算是比较经典了。 首先我们注意到一个性质：\(1 + 3 + \cdots + n = n ^ 2\)。所以我们可以把平方拆开。 然后容易证明 \(a_{i, j}\) 填 \(1\) 一定比填 \(0\) 不劣。 我们可以把 \(a_{i, j}\) 拆成 \(4\) 个点，然后我们想到了最小割 阅读全文

摘要： 网络流的核心在于建图。建图建出来之后，剩下的基本上只是模板了。 0 参考资料 Alex_Wei —— 网络流，二分图与图的匹配 1 基本定义 一个网络是一张有向图 \((V, E)\)，其中每条边都有一个流量 \(c(u,v)\)。一个网络有一个源点 \(S\) 和一个汇点 \(T\)。 网络流满足 阅读全文

摘要： 我们考虑朴素算法。 显然，我们可以先跑一遍 KMP，计算出每个 \(i\) 的 \(nxt_i\)。 然后，容易发现我们可以暴力跳每一个前缀串的 border，这样可以直接统计出 border 长度 \(\leq \lfloor \frac{i}{2} \rfloor\) 的 border 数量。 阅读全文

摘要： 我们考虑这三个正方形的相对位置有多少种情况。 我们把正方形的顶点设为 \((x_i,y_i)\)。容易发现，放置合法当且仅当 \(\forall i \neq j, | \ x_i - x_j \ | \geq d \ \text{or} | \ y_i - y_j \ | \geq d\)。 发现 阅读全文

摘要： 简介 mt19937 是一种伪随机数生成器。其随机数质量，随机数范围与常数都比同为随机数生成器的 rand 优秀得多。 定义 mt19937 myrand(time(0)); 上述的代码定义了一个以时间为种子的随机数生成器。 使用 int x = myrand(); \(x\) 即为生成的随机数。 阅读全文

摘要： ARC 175 C 题解 题目链接 我们考虑经典套路，假设前 \(i - 1\) 个数已经被确定。 设 \(f_k(x)\) 表示 \(a_k = x\) 时 \(\sum_{i = k + 1}^n | \ a_i - a_{i - 1} \ |\) 的最小值。 那么，\(a_i = x\) 当且 阅读全文

摘要： 我们考虑经典套路，假设前 \(i - 1\) 个数已经被确定。 设 \(f_k(x)\) 表示 \(a_k = x\) 时 \(\sum_{i = k + 1}^n | \ a_i - a_{i - 1} \ |\) 的最小值。 那么，\(a_i = x\) 当且仅当 \(x\) 取最小值且 \(| 阅读全文