NOIP2020 集訓
11.23 11.23 11.23
做了道 CF514E 加深了矩陣加速 dp 轉移的方法。
即原本 dp 方程為
f
i
=
∑
j
=
1
100
f
i
−
j
×
g
s
j
f_{i}=\sum\limits_{j=1}^{100}f_{i-j}\times gs_j
fi=j=1∑100fi−j×gsj ,其中
g
s
j
gs_j
gsj 為深度為
j
j
j 的點的個數。
然後考慮矩陣優化一下就好了,時間複雜度
O
(
10
0
3
×
log
m
)
O(100^{3}\times\log m)
O(1003×logm)
為了加強程式碼能力做了道大模擬 CF1439A2,反正我寫了5k程式碼,寫了將近 1.5 小時
然後做了兩道 ds 題
思路還是挺簡單的,首先答案 a n s = ∏ P i max k i ans=\prod P_i^{\max k_i} ans=∏Pimaxki 於是我們對於根號內的質因數用線段樹維護最大指數,大於根號的用可持久化線段樹維護一下就好了,時間複雜度 O ( n log 2 n ) O(n \log ^2 n) O(nlog2n)
由於序列單調不增,經過操作1後也單調不增,我們就能想到二分。對於操作1我們二分出第一個小於 y y y 的數然後線段樹區間修改。對於操作二,我們為了方便線段樹上處理先讓 y y y 加上 [ 1 , x ] [1,x] [1,x] 的權值這樣就可以從 1 1 1 開始做,然後再線上段樹上分治一下就好了。時間複雜度 O ( n log 2 n ) O(n \log ^2 n) O(nlog2n)
相關文章
- NOIp2020遊記
- NOIP2020退役記
- 機器學習的訓練集機器學習
- 資料集訓練
- NOIP2020(退役)遊記
- flutter新手集訓營(上)Flutter
- 資料集訓練+1
- fashion資料集訓練
- 暑假NOIP集訓6.24~6.29總結
- 訓練集(train set),驗證集(validation set)和測試集(test set)AI
- DeepLab 使用 Cityscapes 資料集訓練模型模型
- 訓練機器學習的資料集大小很重要 - svpino機器學習
- 如何改善你的訓練資料集?(附案例)
- Mxnet R FCN 訓練自己的資料集
- yolov5 自建資料集訓練測試YOLO
- NOI國家集訓隊論文分類整理
- 用SSD-Pytorch訓練自己的資料集PyTorch
- 【OCR技術】大批量生成文字訓練集
- Mxnet-R-FCN-訓練自己的資料集
- 用神經網路測量訓練集的半衰期神經網路
- NOI2024 山東一輪省隊集訓
- Alink漫談(七) : 如何劃分訓練資料集和測試資料集
- 路飛學城-Python開發集訓-第2章Python
- Caffe-SSD-Ubuntu16-04-訓練自己的資料集Ubuntu
- keras-retinanet 用自己的資料集訓練KerasNaN
- Yolov3程式碼分析與訓練自己資料集YOLO
- 文字識別(四)--大批量生成文字訓練集
- Caffe SSD Ubuntu16 04 訓練自己的資料集Ubuntu
- 谷歌colab訓練自己的資料集YOLOv3谷歌YOLO
- keras 手動搭建alexnet並訓練mnist資料集Keras
- 【集訓】jzoj 2017.8.10 noip模擬賽A 總結
- 華為云云原生王者之路鑽石集訓營--學習筆記筆記
- Scaled-YOLOv4 快速開始,訓練自定義資料集YOLO
- Yolov5_v6.2訓練資料集進行預測YOLO
- 【OCR技術系列之三】大批量生成文字訓練集
- 好程式設計師大資料培訓分享:Hadoop叢集同步程式設計師大資料Hadoop
- 基於pytorch實現Resnet對本地資料集的訓練PyTorch
- 三一集團《軟體需求分析》企業內訓課程大綱