JZOJ3996. 下棋

题目大意

给定一个 n 个点,m条边的有向无环图,每条边有一个颜色,图中有 Q 个棋子,两个人在图中轮流进行以下操作:

  • 选择一个棋子
  • 选择一个颜色集合
  • 与这个点连出去且颜色在集合中的边所连向的所有点棋子数量+1
  • 删除这个棋子

无法操作的人输。问先手是否必胜。

Data Constraint
Q100000,n200,m5000

题解

一道博弈题。根据SG定理,最后的SG就是所有棋子所在结点的SG异或和。若>0则先手必胜;=0先手必败。
现在问题是如何求每个点的SG。先注意到SG是2的幂这一性质。对于一个结点,它可以扩展出许多状态,所以这个结点的SG就是这些状态的MEX,每个状态的SG则是各种颜色的结点异或和得来。
于是现在问题变成,给定若干个数,任意选择这些数异或起来,所不能得到的最小的自然数是多少。
于是通过构造线性基就能求出SG了。

SRC

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<bitset>
#include<vector>
using namespace std ;

#define N 200 + 10
#define M 5000 + 10

bitset < M > f[M] , t ;
vector < int > G[N][M] ;

bool flag[N][M] , ans[M] ;
int Node[M] , Next[M] , Head[N] , tot ;
int D[N] , R[N] , SG[N] , C[N][M] ;
int n , m , Q , Col ;

void link( int u , int v ) {
    Node[++tot] = v ;
    Next[tot] = Head[u] ;
    Head[u] = tot ;
}

void BFS() {
    int i = 0 , j = D[0] ;
    while ( i < j ) {
        i ++ ;
        int now = D[i] ;
        for (int p = Head[now] ; p ; p = Next[p] ) {
            R[Node[p]] -- ;
            if ( R[Node[p]] == 0 ) D[++j] = Node[p] ;
        }
    }
    D[0] = j ;
}

int main() {
    scanf( "%d%d" , &n , &m ) ;
    for (int i = 1 ; i <= m ; i ++ ) {
        int u , v , w ;
        scanf( "%d%d%d" , &u , &v , &w ) ;
        link( u , v ) ;
        R[v] ++ ;
        G[u][w].push_back(v) ;
        if ( !flag[u][w] ) {
            flag[u][w] = 1 ;
            C[u][++C[u][0]] = w ;
        }
        Col = max( Col , w ) ;
    }
    for (int i = 1 ;i <= n ; i ++ ) if ( !R[i] ) D[++D[0]] = i ;
    BFS() ;
    for (int i = D[0] ; i ; i -- ) {
        int now = D[i] ;
        memset( f , 0 , sizeof(f) ) ;
        for (int j = 1 ; j <= C[now][0] ; j ++ ) {
            t.reset() ;
            for (int k = 0 ; k < G[now][C[now][j]].size() ; k ++ ) {
                int s = G[now][C[now][j]][k] ;
                t[SG[s]] = t[SG[s]] ^ 1 ;
            }
            for (int k = n ; k >= 0 ; k -- ) {
                if ( t[k] == 0 ) continue ;
                if ( f[k][k] == 0 ) { f[k] = t ; break ; }
                t ^= f[k] ;
            }
        }
        for (int j = 1 ; j <= n ; j ++ ) {
            if ( f[j][j] == 0 ) { SG[now] = j ; break ; }
        }
    }
    scanf( "%d" , &Q ) ;
    for (int i = 1 ; i <= Q ; i ++ ) {
        int x ;
        scanf( "%d" , &x ) ;
        ans[SG[x]] ^= 1 ;
    }
    for (int i = 0 ; i <= Col ; i ++ ) if ( ans[i] ) { printf( "1\n" ) ; return 0 ; }
    printf( "0\n" ) ;
    return 0 ;
}

以上.

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