【瞎搞胡搞】骗分导论

骗分导论

一、直接骗分法

方法

对于某些题目，有可以直接输出的即可得分的点，可以通过这个，直接骗分。

局限性

由于是小部分一道题会有这种点，所以题目较少，且点数完全由出题人控制，运气成分较高。

不只是点数，平时还会遇到 Subtask 和多组数据的限制。

注意事项

认真看清楚题目，是否有 Subtask 和多组数据的限制，以及其是否能够骗分。

二、部分分骗分法

方法

直接骗分法是不稳定的，我们需要一个稳定的骗分方法，即部分分骗分法。

在无法想到正解的情况下，请尽可能地使用部分分骗分法，可以为你争取到更多的分数。

看数据范围，有几个点是满足一些限制的。通过观察限制，想出一些在此范围之内可以通过的算法，即在部分分内骗分。

动态规划类题目是部分分骗分法使用最多的题目，因为都可以使用搜索进行骗分。正常情况下，在搜索不出现错误时，应该会拿到 \(30\%\) 的部分分数。

除此之外，我们可以建立不同的 namespace 对于不同的 Subtask 使用不同的算法进行骗分。

同时我们还可以结合直接骗分法对剩下的点进行直接骗分。

局限性

对于大部分的题目在想不到正解的情况下皆可使用该方法。

特例还是有的，比如说一些计算几何，无法使用此方法。

注意事项

请看清楚限制以免出现用错 namespace 的情况。

三、玄学骗分法

方法

此方法不一定。典型的有随机数、贪心、剪枝优化和特判。

随机数基本上没有分数这个不用想。

贪心可以是动态规划的错解，对于动态规划类型的题目，应该需要留给贪心一点分数。

剪枝优化是一个玄学但又不玄学的东西，可以使程序在搜索过程中少执行大部分的操作，最优情况下甚至可以到达 \(O(n)\)（极少），线段树算是一个，在搜索 \(\log{n}\) 的树时，时间复杂度就为 \(O(\log{n})\)，注意线段树的最坏时间复杂度也是 \(O(\log{n})\)，所以造就了 \(O(n)\) 搜索，这启发我们需要注意最坏时间复杂度，最坏时间复杂度会超时，这就是一个玄学算法，只能凭着数据走。

特判是用在比如说一些局部情况可以化简时使用。化简减少时间复杂度。或者特判数据，直接给出已经算好了的答案。

局限性

用在比如说搜索，动态规划等题目中。

注意事项

由于和直接骗分法一样，是不稳定的骗分方法，于是我们应该小心使用。

看清楚题目限制，算好时间复杂度，再进行骗分。

四、结合骗分法

方法

这个是整个骗分方法中得分最高的，甚至可以达到满分超越正解，超越 std。

即结合前面所说的骗分方法。

架构肯定是部分分骗分法，因为其最稳定。对于较小的数据，可以直接使用部分分骗分法或直接骗分法，这样可以保证你在最好情况下，那大约 \(30\%\) 的分数不会丢，剩下的分数，交给玄学骗分法。

有一些评测机跑得很快，比如说省选 \(10^{10}\) 一秒过。所以结合上述方法，可以为你得到最高的分。

局限性

同部分分骗分法。

注意事项

同之前的。

不要打错部分分方法，不然部分分骗分就变成了玄学骗分。