hdu3032 Nim or not Nim?

这篇博客探讨了一种名为Lasker's Nim的博弈问题,玩家Alice和Bob轮流从多堆石子中操作。通过计算每堆石子的SG函数并异或所有结果来确定获胜者。当异或结果为0时,Bob获胜,否则Alice获胜。博主给出了 SG 函数的计算规律,并提供了O(n)复杂度的解决方案。
摘要由CSDN通过智能技术生成
题目:

给定 n n n堆石子,第 i i i堆有 a i a_i ai个石子,Alice和Bob两个人轮流操作,每次可以从任意一堆中取走若干或将1堆石子拆成两个非空石子堆,两个人采取最优策略,Alice先手,问谁赢。
( 1 ≤ n ≤ 1 0 6 , 1 ≤ a i < 2 31 ) (1 \le n \le 10^6,1 \le a_i < 2^{31}) (1n106,1ai<231)

题解:

这种博弈叫 L a s k e r ′ s N i m Lasker's Nim LaskersNim
首先每个石堆都是独立的,所以我们可以算出单堆的 S G SG SG函数,然后套用 S G SG SG的和。将一堆中还剩的石子数作为游戏的状态, S G ( [ 0 ] ) = 0 , S G ( [ 1 ] ) = 1 SG([0])=0,SG([1])=1 SG([0])=0,SG([1])=1 [ k ] [k] [k]的后继状态可以为 [ 0 ] , [ 1 ] , . . . , [ k − 1 ] , [ i ] + [ k − i ] ( 1 ≤ i ≤ k − 1 ) [0],[1],...,[k-1],[i]+[k-i](1 \le i \le k-1) [0],[1],...,[k1],[i]+[ki](1ik1)。求出 0 − n 0-n 0n S G SG SG的复杂度为 O ( n 2 ) O(n^2) O(n2),但这道题石子的值域很大,无法直接求 S G SG SG,考虑小范围进行 S G SG SG打表,找规律。可得规律为:当 n % 4 = 1 n\%4=1 n%4=1 n % 4 = 2 n\%4=2 n%4=2 S G ( [ n ] ) = n SG([n])=n SG([n])=n;当 n % 4 = 3 n \% 4=3 n%4=3 S G ( [ n ] ) = n + 1 SG([n])=n+1 SG([n])=n+1;当 n % 4 = 0 n \% 4=0 n%4=0 S G ( [ n ] ) = n − 1 SG([n])=n-1 SG([n])=n1。因为有 n n n堆,所以将 n n n堆的 S G SG SG异或一下,如果为0,Bob赢,否则Alice赢。

复杂度: O ( n ) O(n) O(n)
代码:

内附打表程序

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
#include<cmath>
#include<vector>
#include<queue>
#include<stack>
#include<map>
#include<set>
#include<string>
#include<bitset>
#include<sstream>
#include<ctime>
//#include<chrono>
//#include<random>
//#include<unordered_map>
using namespace std;

#define ll long long
#define ls o<<1
#define rs o<<1|1
#define pii pair<int,int>
#define fi first
#define se second
#define pb push_back
#define mp make_pair
#define sz(x) (int)(x).size()
#define all(x) (x).begin(),(x).end()
const double pi=acos(-1.0);
const double eps=1e-6;
const int mod=1e9+7;
const int INF=0x3f3f3f3f;
const int maxn=1e5+5;
ll read(){
	ll x=0,f=1;
	char ch=getchar();
	while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
	while(ch>='0'&&ch<='9'){x=x*10+ch-'0';ch=getchar();}
	return x*f;
}
//打表
int sg[maxn],vis[1005];
void sg_table(int n){
	sg[0]=0;sg[1]=1;
	for(int i=2;i<=n;i++){
		memset(vis,0,sizeof(vis));
		for(int j=0;j<=i-1;j++)vis[sg[j]]=1;
		for(int j=1;j<=i-1;j++){
			vis[sg[j]^sg[i-j]]=1;
		}
		for(int j=0;;j++){
			if(!vis[j]){
				sg[i]=j;
				break;
			}
		}
	}
	for(int i=0;i<=n;i++){
		printf("%d %d\n",i,sg[i]);
	}
}
//==========================================
int T,n;
int a[maxn];
int main(void){
	//freopen("in.txt","r",stdin);
	// sg_table(50);
	scanf("%d",&T);
	while(T--){
		scanf("%d",&n);
		int ans=0;
		for(int i=1;i<=n;i++){
			scanf("%d",&a[i]);
			int cur;
			if(a[i]%4==1||a[i]%4==2)cur=a[i];
			else if(a[i]%4==3)cur=a[i]+1;
			else cur=a[i]-1;
			ans^=cur;
		}
		if(ans==0){
			puts("Bob");
		}
		else{
			puts("Alice");
		}
	}
	return 0;
}
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