[JZOJ5352]【NOIP2017提高A组模拟9.7】计数题

Description

给定N个点,每个点有权值a[i]。
定义一条无向边x,y,权值为a[x] xor a[y]
求这N个点构成的完全图的最小生成树

的边权和

以及它的方案数,方案数对1e9取模
N<=105,0a[i]230

Solution

既然是异或,我们可以按位考虑。

用分治的思想
从高位到低位扫,对于当前位可以将处理的点分成两部分,分别是这一位上为0和为1的点

最优解一定是这两部分分别自己做最小生成树,然后这两部分之间连一条边。

因为其他的这一位上都是0,只有这条边这一位是1,根据2进制的性质这样一定最优

两部分可以递归处理,这两部分之间连边可以维护一个字典树处理,方案数直接乘进去。

特殊情况是当前处理的部分的点已经分治到2^0都不能分开,也就是当前部分所有点权值相同。

对边权和贡献一定是0,方案数就是完全图中生成树的数量

有公式
对于N个点完全图,生成树的数量为 NN2 ,当N>1
证明我还不会,留坑代填。。。

分析复杂度
分治每个二进制位只有一层,总共有log 层,每一层把所有点扫一遍,用字典树维护复杂度N log Maxa

总的复杂度是 O(Nlog2Maxa)

Code

#include <cstdio>
#include <cstdlib>
#include <algorithm>
#include <iostream>
#include <cstring>
#include <cmath>
#define fo(i,a,b) for(int i=a;i<=b;i++)
#define fod(i,a,b) for(int i=a;i>=b;i--)
#define N 100005
#define LL long long 
#define mo 1000000007
using namespace std;
int n,a[N],n1,vl;
LL vs,ans;
struct node
{
    int a[2];
    LL s;
}tr[30*N];
LL ksm(LL k,LL n)
{
    if(n<1) return 1;
    LL s=ksm(k,n/2);
    return (n%2)?s*s%mo*k%mo:s*s%mo;
}
void dfs(LL v,int l,int r)
{
    if(l>=r) return;
    if(v==0) 
    {
        (vs*=ksm(r-l+1,r-l-1))%=mo;
        return;
    }
    int mid=r+1;
    LL mi=2147483647,ms=0;
    fo(i,l,r) 
        if(a[i]&v)
        {
            mid=i;
            break;
        }
    dfs(v/2,l,mid-1),dfs(v/2,mid,r);
    if(mid==l||mid==r+1) return;
    n1=1,tr[1].a[0]=tr[1].a[1]=tr[1].s=0;
    fo(i,l,mid-1)
    {
        LL vt=vl,k=1;
        while(vt)
        {
            LL p=((vt&a[i])>0);
            if(!tr[k].a[p]) tr[k].a[p]=++n1,tr[n1].a[0]=tr[n1].a[1]=tr[n1].s=0;
            k=tr[k].a[p],vt>>=1,tr[k].s++;
        }
    }
    fo(i,mid,r) 
    {
        LL vt=vl,k=1,sq=0;
        while(vt)
        {
            LL p=((vt&a[i])>0);
            if(!tr[k].a[p]) sq+=vt,k=tr[k].a[1-p];
            else k=tr[k].a[p];
            vt>>=1;
        }
        if(sq==mi) (ms+=tr[k].s)%=mo;
        if(sq<mi) ms=tr[k].s,mi=sq;
    }
    ans+=mi,(vs*=ms)%=mo;
}
int main()
{
    freopen("jst.in","r",stdin);
    freopen("jst.out","w",stdout);
    cin>>n;
    vl=0;
    fo(i,1,n) scanf("%d",&a[i]),vl=max(vl,a[i]);
    vl=1<<(int)log2(vl);
    ans=0,vs=1;
    sort(a+1,a+n+1);
    dfs(vl,1,n);
    printf("%lld\n%lld",ans,vs);
}
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值