hdu4609 3-idiots(FFT)

题意:

给出n个数枝的长度,
从中随机选出三个,能够组成三角形的概率是多少?

数据范围:n<=1e5,长度a(i)<=1e5

解法:
显然答案=合法方案数/总方案数,
问题变为求合法方案数.

令x^n的系数为长度为n的边的数量,这样就构造出一个多项式,
多项式与自身相乘得到的新多项式就是任意两条边的组合方案数,
要减去自己匹配自己的情况.
同时取法是无序的,所以还要除以2.

因为已知选择两条边长度为n的方案数,O(n)枚举第三条边就能计算出答案.

ll ans=0;//合法方案数
for(int i=1;i<=n;i++){//枚举第三条边a[i],假设a[i]是三条边中最大的,确保只统计一次.
    ans+=sum[len]-sum[[a[i]];//其他两边之和大于a[i]的方案数
    ans-=1ll*(i-1)*(n-i);//减掉x<a[i]<y的情况
    ans-=1ll*(n-i)*(n-i-1)/2;//减掉a[i]<x<y的情况
    ans-=n-1;//减掉x,y中有一个是a[i]的情况,因为a[i]+任何x都>a[i],所以方案数为n-1
}

易错点:
假设a[i]*2的最大值为m,那么是m+1次多项式,所以多项式次数m=a[n]*2+1
ps:
一开始没想到m要+1,然后wa穿了.
code:
#include<bits/stdc++.h>
using namespace std;
const double P=acos(-1.0);
struct CC{//复数
    double x,y;
    CC(double xx=0,double yy=0){x=xx,y=yy;}
    CC operator+(const CC &a)const{return CC(x+a.x,y+a.y);}
    CC operator-(const CC &a)const{return CC(x-a.x,y-a.y);}
    CC operator*(const CC &a)const{return CC(x*a.x-y*a.y,x*a.y+y*a.x);}
};
void change(CC y[],int len){
    for(int i=1,j=len/2;i<len-1;i++){
        if(i<j)swap(y[i],y[j]);
        int k=len/2;
        while(j>=k){
            j-=k;
            k/=2;
        }
        if(j<k)j+=k;
    }
}
void fft(CC y[],int len,int on){//on为1或者-1,-1的时候表示逆变换
    change(y,len);
    for(int h=2;h<=len;h<<=1){
        CC wn(cos(-on*2*P/h),sin(-on*2*P/h));
        for(int j=0;j<len;j+=h){
            CC w(1,0);
            for(int k=j;k<j+h/2;k++){
                CC u=y[k];
                CC t=w*y[k+h/2];
                y[k]=u+t;
                y[k+h/2]=u-t;
                w=w*wn;
            }
        }
    }
    if(on==-1){
        for(int i=0;i<len;i++){
            y[i].x/=len;
        }
    }
}
#define ll long long
const int maxm=6e5+5;
CC x[maxm];
ll cnt[maxm];
ll a[maxm];
ll sum[maxm];
signed main(){
    int T;cin>>T;
    while(T--){
        int n;
        scanf("%d",&n);
        for(int i=1;i<=n;i++){
            scanf("%lld",&a[i]);
        }
        sort(a+1,a+1+n);
        for(int i=1;i<=n;i++){
            cnt[a[i]]++;
        }
        int m=a[n]+1;//len必须是2^k,且len-1>=m,所以这里要加1
        int len=1;
        while(len<m*2)len<<=1;
        for(int i=0;i<=m;i++){
            x[i]=CC(cnt[i],0);
        }
        for(int i=m+1;i<len;i++){
            x[i]=CC(0,0);
        }
        fft(x,len,1);
        for(int i=0;i<len;i++){
            x[i]=x[i]*x[i];
        }
        fft(x,len,-1);
        //
        for(int i=1;i<=len;i++){
            sum[i]=(ll)(x[i].x+0.5);
        }
        len=a[n]*2;
        for(int i=1;i<=n;i++){//自己匹配自己的情况
            sum[a[i]*2]--;
        }
        for(int i=1;i<=len;i++){//无序,除以2
            sum[i]/=2;
        }
        sum[0]=0;
        for(int i=1;i<=len;i++){
            sum[i]+=sum[i-1];
        }
        //
        ll tot=1ll*n*(n-1)*(n-2)/6;//总方案数C(n,3)
        ll ans=0;//合法方案数
        for(int i=1;i<=n;i++){//枚举第三条边a[i],假设a[i]是三条边中最大的,确保只统计一次.
            ans+=sum[len]-sum[a[i]];//其他两边之和大于a[i]的方案数
            ans-=1ll*(i-1)*(n-i);//减掉x<a[i]<y的情况,一个取左边一个取右边
            ans-=1ll*(n-i)*(n-i-1)/2;//减掉a[i]<x<y的情况,两个都取右边
            ans-=n-1;//减掉x,y中已经有一个是a[i]的情况,因为a[i]+任何x都>a[i],所以方案数为n-1
        }
        printf("%.7f\n",1.0*ans/tot);
        //
        for(int i=1;i<=n;i++){//clear
            cnt[a[i]]=0;
        }
    }
    return 0;
}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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