EZ 2018 04 01 ZJOI2018模拟赛04.01

现在开始填以前的坑

这次老叶强制我们打一下这次省选题,然后我已经做好了掉Rating到死的准备

然后考完……莫名涨了 Orz

题目链接

由于很多东西我都不会,所以详细请看:dalao的题解

T1 我TM的竟然直接A了???

考试的时候过了1个多小时完全没有思路,然后跟着yekehe&CJJ出去吃饭了,然后回来联想到了一道数科竞赛班类似的题目(那时候还没退),然后进行了一下推理然后搞出了答案。

我们来看一下:

  1. 要求 1/x+1/y=1/n! 的x,y对数

  2. 设z=n!

  3. 由原式易得x,y>z,便设x=z+k

  4. 原式变为:1/(z+k)+1/y=1/z

    • 移项 1/y=1/z-1/(z+k)

    • 通分 1/y=(z+k)/z(z+k)-z/z(z+k)

    • 减一下得 1/y=k/z(z+k)

    • 两边同取倒数得 y=z(z+k)/k=(z^2+zk)/k=z^2/k+z

  5. 由于x,y,z为正整数,所以y必为z^2的因数

  6. 问题便转化为求z^2的因数个数

通过因数个数的公式

8ad4b31c8701a18b94aed93e9d2f07082838fe7e.jpg

其中a1、a2、a3…ak是p1、p2、p3,…pk的指数。(p为质数)

对于n≤10^6的范围,我们只要把sqrt(n)的范围内,即1000以内的质数打表打出来(不打也行),然后找出(n!)^2所有质数的次数,乘起来即可

CODE

#include<cstdio>
#include<algorithm>
using namespace std;
const int P=168,prime[P]={2,3,5,7,11,13,17,19,23,29,31,37,41,43,47,53,59,61,67,71,73,79,83,89,97,101,103,107,109,113,127,131,137,139,149,151,157,163,167,173,179,181,191,193,197,199,211,223,227,229,233,239,241,251,257,263,269,271,277,281,283,293,307,311,313,317,331,337,347,349,353,359,367,373,379,383,389,397,401,409,419,421,431,433,439,443,449,457,461,463,467,479,487,491,499,503,509,521,523,541,547,557,563,569,571,577,587,593,599,601,607,613,617,619,631,641,643,647,653,659,661,673,677,683,691,701,709,719,727,733,739,743,751,757,761,769,773,787,797,809,811,821,823,827,829,839,853,857,859,863,877,881,883,887,907,911,919,929,937,941,947,953,967,971,977,983,991,997},mod=1e9+7,N=1e6;
int n,c[P],t[N],h[N],k=0,p=0;
long long ans=1;
int main()
{
    register int i,j;
    scanf("%d",&n);
    for (i=2;i<=n;++i)
    {
        int x=i;
        for (j=0;j<P;++j)
        {
            while (x%prime[j]==0) ++c[j],x/=prime[j];
            if (x==1) break;
        }
        if (x>997) t[++k]=x;
    }
    sort(t+1,t+k+1);
    for (i=1;i<=k;++i)
    if (t[i]!=t[i-1]) h[++p]++; else h[p]++;
    for (i=0;i<P;++i)
    ans=(ans*(c[i]*2+1))%mod;
    for (i=1;i<=p;++i)
    ans=(ans*(h[i]*2+1))%mod;
    printf("%lld",ans);
}

T2

弃坑,二分+后缀数组

留着以后学会了后缀数组的姿势再来补

T3

爆搜30pts

当然可以稍微想一下,显然只选2个区间是最优的,因为取一个集合中所有区间一定没有只取最左和最右两个区间优。 对于那些有包含关系的区间,更新一下答案,只留下最大的区间就可以了。

O(n^2)枚举就有60pts

对于标算,要利用决策单调性来艹(这个我当然不会)

而且当时max忘写long long了,60炸成30

60ptsCODE

#include<cstdio>
#include<algorithm>
using namespace std;
const int N=100005;
struct data
{
    int x,y;
}a[N];
long long ans=0;
int n;
inline char tc(void)
{
    static char fl[100000],*A=fl,*B=fl;
    return A==B&&(B=(A=fl)+fread(fl,1,100000,stdin),A==B)?EOF:*A++;
}
inline void read(int &x)
{
    x=0; char ch=tc();
    while (ch<'0'||ch>'9') ch=tc();
    while (ch>='0'&&ch<='9') x=x*10+ch-'0',ch=tc();
}
inline void swap(data &a,data &b)
{
    data t=a; a=b; b=t;
}
inline long long max(long long a,long long b)
{
    return a>b?a:b;
}
inline void check(int x,int y)
{
    if (a[x].x>a[y].x) swap(x,y);
    if (a[x].y>=a[y].x) ans=max(ans,(long long)(a[y].y-a[x].x+1)*(a[x].y-a[y].x+1));
}
int main()
{
    //freopen("C.in","r",stdin); freopen("C_.out","w",stdout);
    register int i,j;
    read(n);
    for (i=1;i<=n;++i)
    read(a[i].x),++a[i].x,read(a[i].y);
    for (i=1;i<=n;++i)
    for (j=1;j<=n;++j)
    {
        if (i==j) continue;
        check(i,j);
    }
    printf("%lld",ans);
    return 0;
}

转载于:https://www.cnblogs.com/cjjsb/p/8830946.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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