2021第十二届蓝桥杯Python组国赛【真题+解析+代码】

🎁2021第十二届蓝桥杯python组国赛真题

🚀 真题练习，冲刺国赛 🚀

2021第十二届蓝桥杯python组国赛真题+解析+代码

博观而约取，厚积而薄发

---

🏆国赛真题目录

---

试题A.带宽⭐️

🍰1.题目

带宽

👑2.思路分析

难度：⭐️

标签：单位换算

🎇思路：计算机常识

🔱思路分析：

本题考查的是简单的单位换算，但需要对计算机知识有基本的了解

1.$MB$ 与 $Mb$

$MB$ 和 $Mb$ 是计算机中的储存单位，即为数据大小，可以简写为 $M$ 和 $m$，其中，$MB$ 表示兆字节（$Byte$），$Mb$ 表示兆比特（$bit$），所以有换算公式：$1MB=8Mb$

2.$MBps$ 与 $Mbps$

$MBps$ 和 $Mbps$ 表示的是速率，用于反映下载速度或数据读写速度，可以简写为 $MB/s$ 和 $Mb/s$，其中，$MBps$ 表示兆字节每秒，$Mbps$ 表示兆比特每秒，则有换算公式：$1MBps=8Mbps$

英文巧记：

$MB\to MillionByte$

$Mb\to Millionbit$

$MBps\to MillionBytepersecond$

$Mbps\to Millionbitpersecond$

💯3.代码实现

单位换算实现：

print(200//8)
# 25

输出结果：

试题B.纯质数⭐️

🍰1.题目

纯质数

👑2.思路分析

难度：⭐️

标签：素数筛

🎇思路：素数筛

🔱思路分析：

纯质数：在素数条件的基础上，还要满足每一个数位上的数都是质数

而个位为质数的数只有：$prime=[2,3,5,7]$

因此，本质还是判断为素数之后再依次判断每一个数位上是否为素数，而判断素数最快的方法就是 素数筛：

step：

素数筛：对于任意一个素数，它的正整数倍$(\ge 2)$一定是合数

1. 构造$vis$数组，先初始化$vis$为$1$（$1$为素数，$0$为合数）
2. 遍历$2\to 20210605$，若当前的数$x$为$vis[x]=1$（未被标记），且为素数，对他进行处理：
   ①遍历$x$的倍数 $i=2x,3x,...$
   ②如果$i$未被标记过（防止合数重复标记，如2的3倍为6，3的2倍也为6，则统计的合数个数会增多），则标记vis[i]=0
   ③进一步对该素数进行判断，依次得到其数位上的每一个数，如果均在数组 $prime=[2,3,5,7]$中，则为纯质数，cnt+=1

图解：

💯3.代码实现

素数筛实现：

from math import *

def is_Prime(x): # 判定为素数
    for i in range(2,int(sqrt(x))+1):
        if x%i==0:
            return False # 合数
    return True # 素数

def allPrime(x): # 判定为纯素数
    while x != 0:
        a = x % 10
        x = x // 10
        if a not in prime:
            return False  # 是素数，但不是纯素数
    return True

prime=[2,3,5,7] # 个位的纯质数列表
vis=[1]*(20210605+1)
cnt=0
for num in range(2,20210605+1):
    if vis[num]==1 and is_Prime(num): # 如果是素数
        for i in range(2,20210605//num+1):  # 素数的整数倍一定不是素数
            vis[i*num] = 0  # 标记为合数
        if allPrime(num): # 每一位都是素数
            cnt+=1 # num为纯素数
print(cnt) #1903

输出结果：

试题C.完全日期⭐️

🍰1.题目

完全日期

👑2.思路分析

难度：⭐️

标签：闰年的判断

🎇思路：模拟

🔱思路分析：

本题需要将所有的年月日都遍历一遍，寻找完全平方数，而遍历日期的难点就在于闰年中2月的判断

step：

1. 得到年月日之和：

   我们先设置一般年份中每月的天数：$m=[0,31,28,31,30,31,30,31,31,30,31,30,31]$

   
   

   闰年的判断：

   1. 世纪闰年：能被$400$整除的$year$
   2. 普通闰年：能被$4$整除但不能被$100$整除的$year$

   
   

   在判断年份之后，如果为闰年，则修改 $m[2]=29$，在对该年的遍历结束之后再修改回$28$

   
   

2. 判断为完全平方数：

   对所求的sum，可以通过：if sum==int(sqrt(sum))**2 进行判断，因为 $int(sqrt(sum))$ 得到的是对$sum$开方后得到的浮点数向下取整的结果，如果$sum$不为完全平方数，则结果应该为 sum>int(sqrt(sum))**2

💯3.代码实现

模拟实现：

from math import *

def leapyear(y):
    # 1.世纪闰年：能被400整除
    # 2.普通闰年：能被4整除但不能被100整除
    if y%400==0 or (y%100!=0 and y%4==0):
        return True
    return False

def get(x):
    res=0
    while x!=0:
        res+=x%10
        x=x//10
    return res

m=[0,31,28,31,30,31,30,31,31,30,31,30,31] # 每月的天数 0位置不存
cnt=0
for year in range(2001,2022):
    if leapyear(year): # 如果是闰年 修改2月的天数
        m[2]=29
    for month in range(1,13):
        for day in range(1,m[month]+1):
            sum=get(year)+get(month)+get(day)
            if sum==pow(int(sqrt(sum)),2):
                cnt+=1
    m[2]=28 # 此轮循环结束 还原2月的天数
print(cnt) # 977

输出结果：

试题D.最小权值⭐️⭐️⭐️

🍰1.题目

最小权值

👑2.思路分析

难度：⭐️⭐️⭐️

标签：$dp$ 动态规划

🎇思路：$dp$ 动态规划

🔱思路分析：

要求2021个结点时树的最小权值，而权值是按照特定方式计算的，我们无法直接得到，因此，可以由小规模问题逐渐递推到大规模问题——$dp$ 动态规划

step：

1. 确定$dp$数组：

   
   

   首先要知道 $dp$ 数组的状态：由当前状态到下一个状态时，状态变化的只有树的结点数，由 $i\to i+1$，因此，我们定义 $dp[i]$：表示有 $i$ 个结点时，树的最小权值为 $dp[i]$

2. 状态转移：

   
   

   由于树的权值与左、右子树的权值以及左、右子树的结点数均有关，而又因为确定了一棵树的结点，就确定了该结点下的最小权值（$dp[x]$），所以，我们该树左子树的结点数为 $j$，则右子树的结点数为 $i-j-1$ （除去根节点），则左子树的最小权值为 $dp[j]$，右子树的最小权值为 $dp[i-j-1]$ ，暴力枚举每一种 $j$ 的情况，最后得到权值最小的解，即为 $dp[i]$

   
   

   状态转移方程为：dp[i]=min(dp[i],1+2*dp[j]+3*dp[i-j-1]+(j**2)*(i-j-1)

   
   

3. 最终结果： 即为结点数为2021时的 $dp[2021]$

💯3.代码实现

模拟实现：

dp=[float('inf')]*2022 # dp[i]表示结点数为i的树的最小权值
dp[0]=0
dp[1]=1 # 只有一个结点时 权值为1
for i in range(2,2022): # i∈[2,2021]
    for j in range(1,i): # j表示结点数为i的树的左子树的结点个数 j∈[1,i-1]
        dp[i]=min(dp[i],1+2*dp[j]+3*dp[i-j-1]+(j**2)*(i-j-1)) # 遍历左子树的结点数 找到最小值
print(dp[2021]) # 2653631372

输出结果：

试题E.大写⭐️

🍰1.题目

大写

👑2.思路分析

难度：⭐️

标签：$python$语法

🎇思路①：$ASCII$码转化

🔱思路分析：

根据$ASCII$码，我们知道${}^{\prime }{A}^{\prime }=65{,}^{\prime }{Z}^{\prime }=90{；}^{\prime }{a}^{\prime }=97{,}^{\prime }{z}^{\prime }=122$，因此：

大写的$ASCII$码$+32$$=$小写字母的$ASCII$码

这里再补充两个$python$中的语法：

1. ord(str):返回 $str$ 对应的$ASCII$码
2. chr(num):返回 $ASCII$ 码为 $num$的字符

🎇思路②：语法

🔱思路分析：

这里也有更为简单粗暴的方法：

利用$python$中的函数：str.upper()

如果为小写字母，则将其转化为大写；遇到其他字符则不变

补充：对应大写转为小写的函数为：str.lower()

💯3.代码实现

1.$ASCII$实现：

s=input()
res=''
for i in s:
    if ord(i)>=97 and ord(i)<=122: # 如果为小写
        a=chr(ord(i)-32)
        res=res+a
    elif ord(i)>=65 and ord(i)<=90:
        res+=i
    else:
        print("输入的不是字母！")
        break
print(res)

2.语法实现：

print(input().upper())

输出结果：

试题F.123⭐️⭐️⭐️

🍰1.题目

123

👑2.思路分析

难度：⭐️⭐️⭐️

标签：二分 + 思维

🎇思路：二分

🔱思路分析：

要求区间 $[L,R]$ 中数的和，如果每一轮都先求解前缀和数组，那时间复杂度为 $O(Tr)$，肯定无法通过所有100%，所以，我们应该抓住题目所给数列的特殊性

我们先简单列举几项：

我们对这些数按组进行分类，其组内元素个数依次递增

对于该数列，有如下性质：

1. 第 $k$ 组数的和 $==$ 前 $k$ 组数的总个数: $$\frac{k\ast (k+1)}{2}$$

   可以看到，由于组号为 $k$ 的数组是等于它的长度的，且其中最大的元素$a_k=k$，所以每增加一个长度为 $k$ 的数组 $k$ 时，改组数的变化范围为 $1\to k$，则正好等于第一组到第k组元素的总个数，即为在数组中的位置

2. 前 $k$ 组数的总和为: $$\frac{k\ast (k+1)\ast (k+2)}{6}$$

   $def$：由于 $S_n=su{m}_1+su{m}_2+...+su{m}_k$，而 $su{m}_k=\frac{k\ast (k+1)}{2}$

   
   

   因此，可以将其拆分为：$S_n=S_{n1}+S_{n2}=\frac{1}{2}\ast [1^2+2^2+...+k^2]+\frac{1}{2}\ast [1+2+...+k]$

   
   

   根据公式 ${\sum }_{i=1}^n{n}^2=\frac{n\ast (n+1)\ast (2n+1)}{6}$，${\sum }_{i=1}^{n}n=\frac{n\ast (n+1)}{2}$

   
   

   解得：$S_n=\frac{k\ast (k+1)\ast (k+2)}{6}$

回到正题，根据上面两个性质，我们现在最重要的就是确定 $L,R$ 在数组$a$中的位置，也就是在第 $x$ 组第 $y$ 个，因此，我们定义 两个映射：

①映射$f1$：区间序号 $k$ $\to$ 元素个数（对应 $a$ 数组中下标）

若已知区间序号为 $k$，则可以确定数组下标 $i$ 的范围为：$$\frac{k\ast (k-1)}{2}＜i\le \frac{k\ast (k+1)}{2}$$

def getk(k): # 映射1：区间序号k->元素个数
    return k*(k+1)//2 # k表示第k个区间，返回结果为前k个区间所含元素的个数

②映射$f2$：区间序号 $k$ $\to$ 前缀和

若已知区间序号为 $k$，则可以确定下标元素 $a[i]$ 的 $sum[x]$ 满足：$$\frac{k\ast (k-1)\ast (k+1)}{6}＜sum[i]\le \frac{k\ast (k+1)\ast (k+2)}{6}$$

def getsum(k): # 映射2：区间序号k->前缀和
    return k*(k+1)*(k+2)//6 # 表示前k个区间的元素总和

于是，我们再结合二分查找，先找到 $L,R$ 的具体位置，再根据映射$f2$，将位置$k$映射为前缀和，就可以得到区间 $[L,R]$ 的和了

step：

1. 确定下标 $x$ 所在的数组区间 $k$：

   如要找下标为 5 的元素所在的区间，我们对区间 $k$ 进行二分查找

   

   如此时 mid=3，我们将区间为 $k=3$ 时映射到元素个数：getk(k)=6：表示区间为3时，对应的数组下标最多为 6，返回函数值，$6>5$，r=3，继续二分过程，结束时 l=r=3，则可以确定，下标为 5 的元素在区间为 3 的数列中

   
   

   最后用下标：$5-getk(k-1)$ 即得到该元素在区间 k 的数列中的位序

2. 求解前缀和

   确定了 $L,R$ 的位置后，则可以求得 $[L,R]$ 的区间和了：

   假设 $L$ 所在区间为 $lk$， $R$ 所在区间为 $rk$

   

   由图可知，sum[rk]-sum[lk-1] 为蓝色$+$红色部分的长度，但是实际上，蓝色部分并不在区间 $[L,R]$ 内，所以还要根据位置关系减去这两部分，但为了方便计算，这里选择的是用：$sum[rk-1]-sum[lk-1]$ $-$ 左边蓝色部分 $+$ 黄色部分

💯3.代码实现

二分 + 前缀和实现：

def getk(k): # 映射1：区间序号k->元素个数
    return k*(k+1)//2 # k表示第k个区间，返回结果为前k个区间所含元素的个数

def getsum(k): # 映射2：区间序号k->前缀和
    return k*(k+1)*(k+2)//6 # 表示前k个区间的元素总和

def position(x):
    l,r=1,int(2e6) # 二分区间
    while l<r:
        mid=(l+r)>>1
        if getk(mid)<x: # getk相当于k的一个映射，映射：组数->元素个数
            l=mid+1
        else:
            r=mid
    return l,x-getk(l-1)  # x在第l组中的第x-getk(l-1)个

def solve(l,r):
    lk,pos_l=position(l) # 确定l的具体位置
    rk,pos_r=position(r) # 确定r的具体位置
    sum=getsum(rk-1)-getsum(lk-1)-getk(pos_l-1)+getk(pos_r) # 画图模拟一下
    return sum


T=int(input())
for _ in range(T):
    l,r=map(int,input().split())
    print(solve(l,r))

输出结果：

试题G.冰山⭐️⭐️⭐️⭐️⭐️⭐️

🍰1.题目

冰山

👑2.思路分析

难度：⭐️⭐️⭐️⭐️⭐️⭐️

标签：$FHQ-treap$

🎇思路①：双字典

🔱思路分析：

本题难点就是每一天都要对冰山的体积进行整体修改，区间修改可能会想到线段树，但是这里要不断修改线段树的值，十分繁琐

算法思路：由于是整体修改，我们则可以对体积相同的冰山归为一类进行操作，所以，不难想到构造两个字典 $a,b$，只需记录：{冰山的体积：对应的冰山数量}，$a$ 用于表示这一天开始时的冰山状态，$b$ 用于表示这一天结束时的冰山状态

step：

1. 字典操作：

   $get(key,0)$： 对于体积 $v$ 的冰山，假设有 $cnt$ 个，我们可以通过：a[v]=a.get(v,0)+cnt，实现键值对的更新操作，其等价于：先判断是否存在键值对v，如果存在，则将其值 $+cnt$；如果不存在，则先构造一个键：$v$，再将其值 $+cnt$

2. 对冰山的体积进行分类判断：

   
   

   ①变化后体积 $vi+xi>k$：则这些冰山之后分解为 $a[vi+xi]$ 个体积为 $k$ 的冰山和$（vi+xi-k）\ast a[vi+xi]$ （该冰山数量 x 一个这样的冰山分解为体积为1的冰山的个数）个体积为 $1$ 的冰山，放入空字典$b$中；

   
   

   ②变化后体积： $1＜vi+xi\le k$ ：这些冰山既不会分解，也不会消失，则直接修改键为 vi+xi，而对应的值不变，放入空字典$b$中：

   
   

   ③变化后体积： $vi+xi\le 0$ ：冰山消失，跳过此轮，不放入$b$ 中

3. 如果飘来的冰山体积 y!=0，则对应的字典中的键：b[y]+=1

4. 把原本的$a$字典清空，将$b$ 赋值给 $a$，对$a$中的键值对遍历求和即可

注意: 这里的 $getnum$ 函数用于求字典 $a$ 中该键$key$对应的值，如果存在该键则 +a[key]；否则 +0

🎇思路②：$FHQ-treap$

🔱思路分析：

暂时没有写出来…

💯3.代码实现

双字典实现：（通过 70 %）

def getnum(x): # 判断a中有没有这个键值对
    if x in a.keys():
        return a[x]
    else:
        return 0

n,m,k=map(int,input().split())
l=list(map(int,input().split()))
a={} # 定义字典：{体积：对应的冰山个数}
for i in l:
    a[i]=a.get(i,0)+1

for _ in range(m):
    x,y=map(int,input().split())
    b={} # 辅助字典
    for i in a.keys(): # 取出键
        if i+x>k:
            b[1]=b.get(1,0)+(i+x-k)*getnum(i) # 分解后体积为1的冰山
            b[k]=b.get(k,0)+getnum(i)
        elif i+x>0:
            b[i+x]=b.get(i+x,0)+getnum(i) # 当前体积为i+x的冰山数量加上原本体积为i的冰山数量
        else: # 修改后消失的冰山 略过
            continue
    if y!=0:
        b[y]=b.get(y,0)+1 # 加上体积为y的冰山
    a.clear()
    a=b

    sum=0
    for v,cnt in a.items():
        sum+=(v*cnt)%998244353
    print(sum%998244353)

输出结果：

试题H.和与乘积⭐️⭐️⭐️⭐️

🍰1.题目

和与乘积

👑2.思路分析

难度：⭐️⭐️⭐️⭐️

标签：二分 +前缀和 +思维

🎇思路：二分查找+前缀和

🔱思路分析：

首先，要确定这道题的模型，对于求某一个区间的和与乘积，我们首先可以想到用前缀和数组，但是，题目要求的是所有满足条件的区间而非单独查询某一个区间，所以就算构造出了前缀和数组，还是需要用两层循环暴力地遍历每一个区间（双指针）进行判断，结果肯定是超时，那么，我们就必须 另辟蹊径——利用本题最为特殊的 $1$

step：

💫1. 思维

问题规模分析：如果一个合法区间内，大于 $1$ 的数的个数为 $total$，则有：$total<40$

$def$：假设合法区间为：$[l,r]$，在其中含有 $total$ 个大于$1$的数，则有 $r-l+1-total$ 个数等于$1$，由于$1$对于乘积的结果没有贡献，所以乘积结果： $multiply>2^{total}$ （因为这 $total$ 个数 $\ge 2$），又根据区间长度： $n\le 2$ x $10^5$，元素值：$a_i\le 2$ x $10^5$，则最大区间和 $=$ 最大区间长度 x 最大元素值 $:$ $sum=4$ x $10^{10}$，而 $4$ x $10^{10}<2^{40}$ 所以要使 $multiply==sum$，$total$ 一定小于 $40$

推论：换句话说，当区间乘积： $multiply\ge 4$ x $10^{10}$ 时，一定不可能是合法区间

有了这个推论，我们便可以利用它在遍历时进行 剪枝

💥2. 特殊的 ${}^{\prime }{1}^{\prime }$

本题中数组内的 ‘1’ 是操作性最强的地方，因为 ‘1’ 不会影响某一个区间的乘积，而只会影响到某一区间的和

所以，对于乘积来说，我们只需要着眼于$>1$ 的数即可，因此，在暴力搜索区间 $[l,r]$ 时，我们可以遍历： $r>landr>1$ 的数作为区间的右边界，再进一步对覆盖区间内的 ${}^{\prime }{1}^{\prime }$ 判断即可，这样，便减小了时间复杂度

算法具体实现：

以数组 $a=[1,2,4,1,1,3,1]$ 为例：

1. 求解前缀和数组 $sum$

   我们选择舍弃下标为 $0$ 的位置不存

   

   
   

2. 找到所有 $>1$ 的数的位置：

   用 $index$ 数组储存大于 $1$ 的数的位置，利于快速确定区间右边界

   在找到大于$1$的数后，我们定义映射$f$：$a\to index$，之后若要访问 $a$ 中大于 $1$ 的数，只需对$index$数组中的下标$j$进行映射：a[index[j]] 即可

   

   
   

3. 找到每一个 $>1$ 的数后连续的${}^{\prime }{1}^{\prime }$的个数:

   对于$a$中下标为 $i$ 的数，$num$_$1[i]$ 表示 $a[i]$ 后面连续的 ‘1’ 的个数

   

   
   

4. 二分搜索 →得到位序大于当前左区间 $i$ 且 值大于1的最小位置 R:

   
   

   我们在固定了左区间 $i$ 后，就需要找到一个 $R$，使得 R>i and a[R]>1，也就是说，我们要在所求得的$index$数组中寻找这样的 $R$，使区间为 $[i,R]$

   为了降低时间复杂度，我们选择对$index$数组进行二分查找搜索：

   
   

   这里二分要注意一个问题，我们要找的不是 $i$，而是比 $i$大的数，所以应该是返回比 $i$ 大的位置！

   假设此时 $i=3$，也就是左区间为：$a[3]=4$

   
   

   ①定义l=0,r=total（因为如果让r=total-1，则得到的不是$i$的后继）

   此时，mid=1，index[mid]==i，也就是将 $mid$ 映射到数组 $a$ 中，其下标为 $i$，但是因为我们要找的不是 $i$，而是大于 $i$ 的数，所以移动左指针：l=mid+1

   

   ②移动后，index[mid]>i，则移动右指针：r=mid

   

   ③最后，l=r，则结束二分查找，所求的 $R$ 即为 $index[r]$ (映射)

   

   
   

5. 遍历区间

   在二分搜索后，我们得到了区间 $[l,R]$，其中 $l\in [1,n]$，$R$ 为大于 $1$的数 $a[R]$，我们对其合法性进行判断：

   
   

   ①剪枝：如果在遍历过程中发现：multiply>INF=4x10^{10}，则直接结束遍历，遍历下一个左区间值（由推论）

   
   

   这里剪枝很重要，加上可以通过60%的案例，但这也是基于推论得来的

   
   

   ②若此时区间内的 $sum>multiply$：则因为 $R$ 到下一个大于1的数中间均为1，导致在这个区间上乘积将无法等于和，所以继续对下一个满足条件的右区间的搜索

   
   

   图解：

   

   此时，$sum$ 的值已经大于 $multiply$ 了，就算加上右区间之后连续的${}^{\prime }{1}^{\prime }$，也无法改变乘积值，所以，此时只有遍历下一个满足条件的右区间，才有可能使其相等

   

   ③若此时区间内的 $sum<=multiply<=sum+num$_$1[R]$：则表明，可以通过一定范围内右边界的延伸实现和与乘积相等，则数量$+1$

   
   

   图解：

   

💯3.代码实现

二分 + 前缀和 + 思维 + 剪枝实现：

def getsum(l,r): # 求l,r区间的前缀和
    return sum[r]-sum[l-1]

INF = 40000000000
n=int(input())
a=[0]+list(map(int,input().split())) # 第一个不存
sum=[0]*(n+1) # 前缀和
index=[]  # 数组中>1的数的索引
total=0 # 记录>1的数的个数
num_1=[0]*(n+1) # 数组中>1的数之后连续1的个数


# 1.前缀和+得到>1的数的索引
for i in range(1,n+1):
    sum[i]=sum[i-1]+a[i]
    if a[i]>1:
        index.append(i)
        total+=1


# 2.得到数组中>1的数之后连续1的个数
cnt=0
for i in range(n,0,-1): # 从后向前遍历
    if a[i]==1:
        cnt+=1
    else:
        num_1[i]=cnt # 记录a[i]之后连续1的个数
        cnt=0 # cnt清零


# 3.找到合法区间
res=0
for i in range(1,n+1): # 固定左区间为 i
    res+=1 # 每一个数都是一个合法区间
    multiply=a[i] # 表示乘积

    l,r=0,total  # 查找i之后第一个大于1的数的位置，即对>1的数组进行二分
    while l<r:
        mid=(l+r)>>1
        if index[mid]>i: # 这里一定是> 因为要找在它之后的
            r=mid
        else:
            l=mid+1
    j=r # j表示后一个位置

    while j<total:  # 以index数组中之后的值index[j]依次作为右区间
        R=index[j]  # 映射：index->a
        multiply*=a[R] # 由于[i,R]区间内的其他数均为1，所以不影响乘积
        if multiply>INF:
            break
        if getsum(i,R)<=multiply<=getsum(i,R)+num_1[R]:
            res+=1
        j+=1
print(res)

输出结果：

试题I.二进制问题⭐️⭐️⭐️⭐️

🍰1.题目

二进制问题

👑2.思路分析

难度：⭐️⭐️⭐️⭐️

标签：数位 $dp$

🎇思路：数位 $dp$ + $dfs$

🔱思路分析：

这里很容易想到将$N$拆分为二进制数，要满足二进制位上有$k$个$1$，即区间内满足某一条件的数是多少，用数位$dp$求解

数位$dp$ 即是对每一位上的数进行操作，其常与 递归$(dfs)$ 结合，因为在递归中每次进行的操作都是一样的，刚好满足数位$dp$的要求

接下来，我们详细讲一下数位$dp$下$dfs$的模板：

step：

1. 首先，对于每一个数位而言，我们要 确定其数的取值范围：

   
   

   假设我们要求比 N = 12345 小且满足某一条件的数的个数，那么对于最高位而言，我们可以选择 $[0,1]$，因为如果选择的数字大于该位置上的数（如有：2xxxx>12345），则后面不论取多少，这个数一定比$N$大，已经不满足条件；对于第$2$位上的数而言，我们就需要进行讨论了：

   
   

   ①最高位上为1：则第2位置上只能选择 $[0,2]$，因为最高位已经抵满，若第二位置上取$>3$，则有 13xxx>12345，一定不满足小于$N$

   ②最高位上为0：则第2位置上可以选择 $[0,9]$，为什么呢？因为比第二位置级别更高的位置上，比$N$ 在该位置上的数小，所以之后的位数上任意怎么取，都一定比$N$小：12345>0xxxx

   
   

   其实这就是高位置数上的数对数的大小更能起决定性作用，我们受此启发，便可以得到如下结论：
   (1) 如果x前面某一位已经小于对应位置上的上限数字（即$N$在该位置上的数字），则这一位以及之后的每一位上都可以填入 [0,进位数-1] （如十进制进位数为10，二进制进位数为2）
   (2) 如果x前面的每一位都等于对应位置上的上限数字，则这一位上的数的取值范围为 [0,该位置上的上限数]

2. 数位 $dp$ 与 $dfs$：

   因此，我们可以通过$dfs$得到所有满足条件的情况数:

   
   

   定义一个函数: dfs(pos,pre,flag)

   • $pos$：表示当前访问的数的位数；
   • $pre$：表示$pos$之前数位上数的状态（如在本题中可以记录$pos$前有多少个$1$）
   • $flag$：代表是否前面每一位上的数都和对应位置的上限数相同
   
   

   于是，我们对$N$由高位向低位进行$dfs$深搜：

   
   

   以本题为例，假设数字 $N=7=111(2)$，$k=2$

   每次如果选择$1$，则pre+=1，选择$0$则pre不加；又因为$111$的上限数字均为 $1$，所以某一位上选了0后，之后的每一位都可以任选 $1/0$，$flag$ 标记为 $0$；$pos$的值则逐层递减，由此，我们可以得到如下的递归二叉树

   其中，满足条件时：pos==0 and pre==k

   

   
   

   记忆化搜索：

   
   

   而$dfs$必然少不了 剪枝 操作，因为在递归时，会存在一些重复操作导致效率降低，如图所示，我们不难发现，这两棵子树完全一样，但我们进行了多次计算，所以这也就是数位$dp$与$dfs$结合的关键——记忆化搜索

   
   

   我们还原它的状态，为 01x 和 10x (x为待定系数)，而这两个状态都有一个共同特点，那就是 flag==0，由于前面两个位置上的数并不全是上限数字，所以导致第三位置上的数可以任选（之后的位置也可以），也就是 $x$ 的情况数是已知的，如：已经记录了状态 01x 要满足条件有 011 $1$ 种情况，则 10x 要满足条件直接可以判断也只有 $1$ 种情况 101

   
   

   所以如果对该状态$(pos,pre,flag)$进行过记录，之后再遇到该状态时，我们就可以直接在当前递归层返回结果，而不需要递归到叶子结点上：

   

   
   

   那么为什么一定要是 $flag==0$ 的时候才要更新 $dp$ 数组呢？

   其实很简单，如果 flag==1，则该状态一定是唯一的，比如 111xxx，难道还能找出flag==1，又有前三位数与它状态相同的数吗，flag==1就已经说明它之前位置上的数都是上限数，状态是确定的；但如果是flag==0，就意味着之后位置上的数可以任选了，而不用在意之前位置上的数具体是多少，反正肯定不全是上限数字，如 1110xxx 和 0011xxx，1110也好，0011也罢，反正都不全是$1$，于是后三位 xxx 就可以任选，那么这三位选择的方案个数就是确定的啦，所以用$dp$数组记录！

如何实现上述记忆化搜索过程呢？

3. $dp$ 数组

   
   

   我们定义 $dp$数组：
   $dp[pos][pre]=x$，表示在当前数位为$pos$，且前面已经有$pre$个$1$时，之后$pos$位能实现满足条件的选择为 $x$ 种

   
   

   举个例子就懂了：

   ①dp[1][1]=1，表示当前数位为1，前面已经有1个1了，那么要满足条件，之后1位有1种选择，可以使该数满足条件，如 10x，当前在pos=1，也就是对应$x$，那么你这时候只要一种选择，就是x=1，才能使 pre=k=2，记忆化为1

   
   

   ②dp[1][0]=0，表示当前数位为1，前面已经有0个1了，若要满足条件，之后1位有0种选择，可以使pre==2，如 00x，则不可能满足条件，记忆化为0

   
   

   所以，如果当前 flag=0，我们就更新此状态下的$dp$ 数组，实现记忆化

💯3.代码实现

数位 $dp$ + $dfs$实现：

import sys
sys.setrecursionlimit(1000000) # 设置递归深度 10^6

def dfs(pos,pre,flag):
    global dp
    if pre>k:
      return 0
    if pos<=0: # 递归结束
        return 1 if pre==k else 0  # 如果1的个数等于k 则+1种情况；否则，返回0
    if flag==0 and dp[pos][pre]!=-1: # 如果该状态被记录过 (剪枝)
        return dp[pos][pre]

    max_num=num[pos] if flag else 1  # 得到pos位可选的最大数

    res=0
    for i in range(0,max_num+1):
        res+=dfs(pos-1,pre+i,flag and i==num[pos]) # 如果当前flag==1 并且下一位选择上限数 flag才继续==# 1

    if flag==0:
        dp[pos][pre]=res # 记录状态
    return res


n,k=map(int,input().split())
num=[-1] # 1.用于存放二进制数 2.从低位到高位存 3.首位置不存 以保持位数与下标对齐
while n:
    num.append(n&1)
    n=n>>1
pos=len(num)-1 # n的二进制位数
# 1.bin(n)[2:]可以知道n最多有60位 2.K最大为50
dp=[[-1]*51 for _ in range(62)]
print(dfs(pos,0,1))

输出结果：

试题J.翻转括号序列⭐️⭐️⭐️⭐️⭐️

🍰1.题目

翻转括号序列

👑2.思路分析

难度：⭐️⭐️⭐️⭐️⭐️

标签：线段树

🎇思路：线段树

🔱思路分析：

这道题用暴力解的…线段树没想出来

step：

1. 首先，构造前缀和数组$sum$

   将 ${}^{\prime }{(}^{\prime }$ 视为 $1$，${}^{\prime }{)}^{\prime }$ 视为 $-1$

   
   

2. 对于区间的查询：

   由于满足条件的区间$[L,R]$的要求为：

   ①$sum[R]==sum[L-1]$

   ②$\forall i\in [L,R]$，有$sum[i]-sum[L-1]\ge 0$

   
   

   所以，我们找到最长的且满足区间$[L,R]$内的前缀和不小于$sum[L-1]$的$R$，使sum[R]==sum[L-1]即可

   
   

3. 对于区间的翻转：

   翻转对于数字来说就是取相反数，这里采取的是暴力的方法修改区间上的数

   
   

   实际上，如果用线段树操作，我们可以用以下方法更快捷地对区间$[L,R]$进行翻转：

   
   

   翻转区间 $[L,R]$ $==$ 先翻转$[1,L-1]$，再翻转$[1,R]$

   
   

为什么要让翻转区间覆盖到 $1$呢？

由于前缀和数组是从 $1$ 开始不断求和的，所以如果左区间为 $1$，那么修改区间 $[1,x]$，相当于让 $[1,x]$ 的 $sum[i]$ 数组全部变为相反数：sum[i]=-sum[i]；而对于$[x+1,n]$的部分，假设翻转前：sum[x]=a，翻转之后：sum[x]=-a，由于对后面的前缀和造成影响的就是 $sum[x]$，而 $sum[x]$ 变化了：$2sum[x]=-2a$，所以对 $[x+1,n]$ 的 $sum[i]$ 数组全部变为：sum[i]+2sum[x] 即可

以$"((())()"$为例，若要翻转区间 $[3,5]$：

则可以等效为修改区间 $[1,2]$ 和区间 $[1,5]$：

💯3.代码实现

暴力法实现：（50%）

def query(L):
    res=0
    for i in range(L,n+1): # 暴力遍历
        if sum[i]-sum[L-1]>=0: # 条件1：任意的sum[i]都要满足大于sum[L-1]
            if sum[i]==sum[L-1]: # 条件2：sum[i]==sum[L-1]，且i最大
                res=max(i,res)
        else: # 若小于0了，说明右括号多，直接退出
            break
    return res

def update(L,R):
    for i in range(L,n+1):
        if i<=R:
            a[i]=-a[i]
        sum[i]=sum[i-1]+a[i]

n,m=map(int,input().split())
s=input()
a=[0]
for i in s:
    if i=='(':
        a.append(1)
    elif i==')':
        a.append(-1)

sum=[0]*(n+1)
for i in range(1,n+1):
    sum[i]=sum[i-1]+a[i]

ans=[]
for _ in range(m):
    w=list(map(int,input().split()))
    if len(w)==2: # 查询最长序列
        L=w[1]
        R=query(L)
        ans.append(R)
    elif len(w)==3: # 翻转括号
        L,R=w[1],w[2]
        update(L,R)

for k in ans:
    print(k)

输出结果：

---

 

🎇希望备战蓝桥杯的小伙伴们都能有所收获，觉得有帮助的话，就赏个三连吧~🎇

如有错误，欢迎指正~！