近期 NOI\(P\) 总结

距离上一次 NOIP 不知道过去多久了,距离上一次 NOI 不知道过去多久了(笑)

NOI 2022

算是第一次参加 NOI ,有些许遗憾吧。
整整两天,赛场上印象里几乎一直在磕暴力和写部分分,第一天感觉有些许伸展的余地,当然主要是 T1 部分分给的比较足;至于第二天,一直没怎么用过的树 hash 居然真的考了,然后几乎有一个多小时都在调 hash ,然后就在是写难打的部分分还是去磕性质之间徘徊,徘徊来徘徊去 day2 就过去了, T1 还因为分段问题挂了分,直接葬送 Ag 。
众数 作为 day1 T1 ,算是两天来最为常规的题了,关键在于摩尔投票法的思想,如果能熟练应用这个,用平衡树什么的维护一下就可以了。不过赛前我对摩尔投票不是很熟悉,就没敢往这上面去写,转而去写相对更稳妥的二分答案,这也导致了分数上低了一档。
挑战 NPC Ⅱ 是个树 hash 加剪枝爆搜的题目。然而事实上我赛前没怎么写过树 hash (笑),这也直接导致了我在场上乱编 hash 并不断调试占用了大部分时间,慌乱中搞错了分段的条件。
冒泡排序移除石子都是相对考验抓性质能力的题目,其中移除石子有一定的部分分,但是我只打了个暴力,一方面是我没怎么沉下心看这道题,另一方面是抓性质这方面还不够强。
二次整数规划问题以及树上邻域数点是相对较困难的题目,题面不是很清晰,考验选手转化形式化题意的能力,其中树上邻域数点的部分分是各种各样数据结构的大集合外加高级卡常。
NOI 2022 涉及了一些个人不常使用的知识点比如树 hash 、 摩尔投票等,对于 dp 题,都要求有一定的抓性质能力,同时非常突出的一点是,这些题目涉及了很多玄学复杂度复杂度分析以及各种卡上界、卡常的技巧,很多看似复杂度爆炸的东西实际运行效率却很高。当然还涉及一些其它问题,数据结构体对于时限、空间等卡的都很死,deque 等 stl 的实际空间占用要非常清楚。知识点还是不能有空缺,没考过不代表不出。对于抓性质的能力还是要提升。
NOI 走的那一天我印象非常深,火车上,一男一女一左一右或在打游戏或在睡觉,我迷糊中掏出手机看到了成绩报告,谁都没想到成绩出的那么快,三个铜牌。我很镇定,至少表面如此,听说 wxq 给同学说大概率银牌,只有我没有说,甚至那 NOI 结束前那几天我都没有给我家长、同学发过一句消息。一直以来,我的做事风格就是这样,[数据删除],知道一切后向前走。
由于各种原因,我的 NOI 2022 总结一直没有写,这一篇也是最近草草补的。回家那天晚上我想说的话很多,但就是没有写出来,这里算是对当时的复刻。毕竟是以审视过去的视角写的,明日还有未来。当然这不是总结的重点。

NOIP 2022

第二次 NOIP 。
至于考场有点热、做错位置之类的闲事就不扯了。
考试的时候,先开了 T1 ,然后发现 T3 比较一眼就开了 T3,dp细节有点多花了点时间。
然后就面临一个抉择,是开 T2,还是 T4 。
T2 是推性质的人类智慧题,T4 是不太清楚实际难度如何的数据结构题,但直觉上来说,T2 属于那种只要发现性质就能得不少分的题目,T4属于那种比较常规但是可能实现细节上和分数不太正比的题目,当然这来自我的经验。
我把更多时间放在了 T2 ,期间回头看了看 T4,不过主要还是在 T2 ,当时的想法是, T2 是第二题,而且模型比较简易,也许性质不是那么难推,而且,可能有很多选手做出了这道题目,会因为这道题目和我拉开差距,或者大大缩小我做出 T3 的价值。T4 的部分分,除了随机这一玄学档外,其他的估计可能能拿到的分数只有一点点,去做太亏了,相对来说T2理想能得到的分也许会更高一点。
毕竟,我以前经历过一种非常糟糕的情况:打一些实现难度其大或者非常玄学的部分分,然后分数就多一点点,时间还不够用了。
然而事实是,我用最后的一段时间看 T2 ,做了一些状压和贪心的工作外,其他并没有什么进展。
还记得某天晚上,教练和我通电话,他说,可能要多把握一些比较常规的题目,我觉得都有道理。不过可能一个非常重要的点是——非常关键的推性质的能力和做常规题的能力,只有这个能够减少我期望沉没的成本,让我在面临抉择时的处境有所改观。
种花属于签到题。建造军营属于 tarjan 套路题,我在比赛前做过一些这种典型的题目。不过同学还是有所挂分,当然我在调试上也下了不上功夫,一个经典的原因就是大样例过水。尤其是赛后 jsy 告诉我 T3 大样例缩点是竟然只是个孤零零的圈或者链的时候我是震惊的,毕竟这种 dp 题对树的形态关联很强。幸运的是,考场上的我做了大量的调试和对拍,构造了各种极端和特殊数据,毕竟题面小样例就水的一匹让我对大样例的强度彻底失去信心了
喵了个喵,人类智慧题,比较可惜的是 k=2n-2 的部分分,留意数据系数的特殊性,发现可以留一个空栈起到消除的作用,其他部分分都是在此基础上启发推广的。但我没有注意到这一点,导致进行不下去了。对于数据特殊性不够敏感,推到性质的能力还是不够。
比赛,作为数据结构题,依然是比较常规的维护值,但是这道题特殊的一点是,他不是直接维护值,而是考虑值的系数的规律,转而维护系数。
NOIP 没有不会的知识点,这是应该的。听说是省 rk1 ,说实话,无论是现在还是当时知道排名的时候,心里没什么波澜,毕竟我已经是学过一段时间的人了,相比 AC 的 T1,T3,我印象更深的是扎眼的 T2,T4,。我还有许多不足,需要提升。

NOI(P)的题目(以NOI最突出),几个比较典的点有
1.有常规题,有不可做题
2.dp 题等对找性质的能力要求都很高
3.涉及各种玄学复杂度,需要通过打表暴力卡上界。这一点的复杂度分析会直接影响到对算法前途的估计,一些看起来复杂度爆炸的想法实际比较优秀并能延伸到正解。
4.大样例及其水和特殊,需要认真调试对拍,提升对数据的构造能力,注意边界、极端数据和特殊数据。
5.部分分引导比较强,尤其是两道人类智慧题,其正解思路是逐步拓展完善来的。
6.神秘的知识点。
抓性质的能力,尤其是对一些人类智慧的点,还是有待提升,另外对一些相对常规的数据结构题要重视起来。切不可抱侥幸心理,对不熟悉甚至有漏洞的知识点要及时巩固。做题一定要端正态度对拍。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目,它可以与J2EE与J2SE应用程序相结合也可以单独使用。Quartz可以用来创建简单或为运行十个,百个,甚至是好几万个Jobs这样复杂的程序。Jobs可以做成标准的Java组件或 EJBs。 Quartz的优势: 1、Quartz是一个任务调度框架(库),它几乎可以集成到任何应用系统中。 2、Quartz是非常灵活的,它让您能够以最“自然”的方式来编写您的项目的代码,实现您所期望的行为 3、Quartz是非常轻量级的,只需要非常少的配置 —— 它实际上可以被跳出框架来使用,如果你的需求是一些相对基本的简单的需求的话。 4、Quartz具有容错机制,并且可以在重启服务的时候持久化(”记忆”)你的定时任务,你的任务也不会丢失。 5、可以通过Quartz,封装成自己的分布式任务调度,实现强大的功能,成为自己的产品。6、有很多的互联网公司也都在使用Quartz。比如美团 Spring是一个很优秀的框架,它无缝的集成了Quartz,简单方便的让企业级应用更好的使用Quartz进行任务的调度。   课程说明:在我们的日常开发中,各种大型系统的开发少不了任务调度,简单的单机任务调度已经满足不了我们的系统需求,复杂的任务会让程序猿头疼, 所以急需一套专门的框架帮助我们去管理定时任务,并且可以在多台机器去执行我们的任务,还要可以管理我们的分布式定时任务。本课程从Quartz框架讲起,由浅到深,从使用到结构分析,再到源码分析,深入解析Quartz、Spring+Quartz,并且会讲解相关原理, 让大家充分的理解这个框架和框架的设计思想。由于互联网的复杂性,为了满足我们特定的需求,需要对Spring+Quartz进行二次开发,整个二次开发过程都会进行讲解。Spring被用在了越来越多的项目中, Quartz也被公认为是比较好用的定时器设置工具,学完这个课程后,不仅仅可以熟练掌握分布式定时任务,还可以深入理解大型框架的设计思想。
[入门数据分析的第一堂课]这是一门为数据分析小白量身打造的课程,你从网络或者公众号收集到很多关于数据分析的知识,但是它们零散不成体系,所以第一堂课首要目标是为你介绍:Ø  什么是数据分析-知其然才知其所以然Ø  为什么要学数据分析-有目标才有动力Ø  数据分析的学习路线-有方向走得更快Ø  数据分析的模型-分析之道,快速形成分析思路Ø  应用案例及场景-分析之术,掌握分析方法[哪些同学适合学习这门课程]想要转行做数据分析师的,零基础亦可工作中需要数据分析技能的,例如运营、产品等对数据分析感兴趣,想要更多了解的[你的收获]n  会为你介绍数据分析的基本情况,为你展现数据分析的全貌。让你清楚知道自己该如何在数据分析地图上行走n  会为你介绍数据分析的分析方法和模型。这部分是讲数据分析的道,只有学会底层逻辑,能够在面对问题时有自己的想法,才能够下一步采取行动n  会为你介绍数据分析的数据处理和常用分析方法。这篇是讲数据分析的术,先有道,后而用术来实现你的想法,得出最终的结论。n  会为你介绍数据分析的应用。学到这里,你对数据分析已经有了初步的认识,并通过一些案例为你展现真实的应用。[专享增值服务]1:一对一答疑         关于课程问题可以通过微信直接询问老师,获得老师的一对一答疑2:转行问题解答         在转行的过程中的相关问题都可以询问老师,可获得一对一咨询机会3:打包资料分享         15本数据分析相关的电子书,一次获得终身学习

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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