BZOJ4377 POI2015 Kurs szybkiego czytania


Description

给定n,a,b,p,其中n,a互质。定义一个长度为n的01串c[0..n-1],其中c[i]==0当且仅当(ai+b) mod n < p。
给定一个长为m的小01串,求出小串在大串中出现了几次。

Input

  • Line 1:n,a,b,p,m(2<=n<=10^9,1<=p,a,b,m< n,1<=m<=10^6)。n和a互质。
  • Line 2:一个长度为m的01串。

Output

一个整数,表示小串在大串中出现了几次。

Sample Input

9 5 6 4 3
101

Sample Output

3

丫的POI数据辣么大搞得我都不想暴力……


Solution

朴素的暴力算法是枚举每个起点,然后 O(m) 判断结果是否符合给定的01串,总时间复杂度 O((nm)×m) O(n×m)

我们观察题目,发现题目有一句非常随意但是最为关键的话:“其中n,a互质”。怎么理解这句话的意思?

由于a与n互质,所以对于题目中的c序列一定是[0,n-1]的一个全排列。

  • 简单证明:假设对于 i<j<nc[i]%n=c[j]%n ,则 c[j]c[i]0(modn) ,由于 c[x]=a×x+b ,所以 c[j]c[i]=a(ji) ,显然因为a与n互质,且 ji<n ,所以就算 gcd(ji,n)1 ,也一定无法满足 c[j]c[i]0(modn)

又由于只要对于当前匹配的这段子串中,只要有一个点不满足题意,这条子串就不能计算在最后答案内,所以我们可以得到以下算法:

  • 设该子串开头的数为 x(modn) ,则接下来的序列依次为 x+a,x+2a,...(modn) 。我们结合给出的01子串,可以得到m组有关 x 的方程。合并这些区间就能得到最后的结果。

根据上述的全排列性质,解出来的x的解集依次对应着一个必然唯一确定的子序列。所以该算法正确。

接下来就是如何实现的问题了:直接合并合法区间发现非常困难,因为这些合法区间有些是交集,有些是并集。对于该问题的处理方法参照Codeforces_Round_#376_Div2_problem.D

#include <bits/stdc++.h>
using namespace std;
static const int M=1000005,N=3000005;
char str[M];
#define Pair pair<int,int>
#define fi first
#define se second
Pair Ans[N];int top=0;
int n,a,b,p,m;
void push(int a,int b,int c,int d){//valid:[a,b)+[c,d)
    if(a)Ans[++top]=make_pair(0,a-1);//[0,a-1]
    if(b<=c-1)Ans[++top]=make_pair(b,c-1);//[b,c-1]
    if(d<=n-1)Ans[++top]=make_pair(d,n-1);//[d,n-1]
}
int main(){
    scanf("%d %d %d %d %d",&n,&a,&b,&p,&m);
    scanf("%s",str);
    Ans[++top]=make_pair(n,n);
    for(int i=0,res=0;i<m;i++,(res+=a)%=n)
        if(str[i]=='0')    //valid:[p-i*a%n,n-i*a%n) or [0,n-i*a%n)+[p-i*a%n+n,n-1)
            push(0,max(0,p-res),n-res,min(n,p-res+n));
        else if(str[i]=='1')     //valid:[0,p-i*a%n)+[n-i*a%n,n-1) or [n-i*a%n,p-i*a%n+n)
            push(max(0,p-res),n-res,min(p-res+n,n),n);
        //c[n-1]=(a+(n-1)*b)%n=(a-b)%n
    int val=b%n;
    for(int i=1;i<m;i++){
        val=(val-a+n)%n;
        Ans[++top]=make_pair(val,val);
    }
    sort(Ans+1,Ans+top+1);
    int ans=0,pre=-1;
    for(int i=1;i<=top;i++){
        if(pre+1<Ans[i].fi)
            ans+=(Ans[i].fi-1)-(pre+1)+1;
        pre=max(pre,Ans[i].se);
    }
    printf("%d\n",ans);
}
【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、项目问题、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题、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、项目问题、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题、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、项目问题、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题、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组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,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)**:由两个网络组成,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题。
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