Longest Increasing Subsequences

题目连接:

https://www.codechef.com/SNCKPA16/problems/MAKELIS

Description

大厨最近了解了经典的最长上升子序列问题。然而,大厨发现,虽然最长上升子序列的长度

是唯一的,但子序列本身却不一定唯一。比如,序列 [1, 3, 2, 4] 的最长上升子序列有两个:[1, 3, 4]

和 [1, 2, 4]。

大厨在这个方向上多做了些研究,然后提出了下面的这个问题:

给定 K,输出一个整数 N 以及一个 1 ∼ N 的排列,使得这一排列包含恰好 K 个最长上升子

序列。大厨要求 1 ≤ N ≤ 100,不然问题就太简单了。

如果有多种可能的答案,输出任意一种即可。

Input

输入的第一行包含一个整数 T,表示测试数据的组数。接下来是 T 组数据。

每组数据仅有一行,包含一个整数 K。

Output

对于每组数据,输出两行。第一行包含一个整数 N,第二行包含 N 个整数,即 1 ∼ N 的一个

排列,以空格分隔。

• 1 ≤ T ≤ 2 · 104

• 1 ≤ K ≤ 105

Sample Input

2

1

2

Sample Output

5

1 2 3 4 5

4

1 3 2 4

Hint

题意

题解:

很有趣的题,一般来说第一想法是分解质因数,变成乘积的形式,我不知道这样搞不搞得出来,很麻烦的样子……

这道题的正确套路是分解进制,考虑你现在是用m进制去处理这个k,你可以得到b[0]b[1]b[2]这个玩意儿,表示这个m进制的每一位是啥

你现在做出来了b0,那么你就在b[0]前面扔m个小的倒叙的,然后再后面扔一个最小的,再倒叙扔b[1]个倒叙的

这样你就得到了mb[0]+b[1]了,然后一直递归下去,你就构造出来了m进制的

经过计算,发现m=6的时候,恰好能够构造出来,所以就做出来了~

代码

#include<bits/stdc++.h>
using namespace std;
const int maxn = 1e5+7;
int k;
int pri[maxn];
vector<int>p;
void init()
{
for(int i=2;i<maxn;i++)
{
if(pri[i]==0)
{
for(int j=i+i;j<maxn;j+=i)
pri[j]=1;
}
}
}
int cnt[maxn],tot=0;
int solve()
{
scanf("%d",&k);
if(k==1)
{
cout<<"1"<<endl;
cout<<"1"<<endl;
return 1;
}
if(k==2)
{
cout<<"2"<<endl;
cout<<"2 1"<<endl;
return 2;
}
p.clear();
tot=0;
while(k)
{
cnt[tot++]=k%6;
k/=6;
}
reverse(cnt+0,cnt+tot);
for(int i=cnt[0];i;i--)
p.push_back(i);
for(int i=1;i<tot;i++)
{
if(cnt[i]==0){
for(int j=0;j<p.size();j++)
p[j]+=6;
reverse(p.begin(),p.end());
for(int j=1;j<=6;j++)
p.push_back(j);
reverse(p.begin(),p.end());
continue;
} for(int j=0;j<p.size();j++)p[j]+=6;
reverse(p.begin(),p.end());
for(int j=1;j<=6;j++)
p.push_back(j);
reverse(p.begin(),p.end()); for(int j=0;j<p.size();j++)p[j]+=(cnt[i]+i);
for(int j=1;j<=i;j++)p.push_back(j);
for(int j=cnt[i]+i;j>i;j--)
p.push_back(j); }
cout<<p.size()<<endl;
for(int i=0;i<p.size();i++)
cout<<p[i]<<" ";
cout<<endl;
return p.size();
}
int main()
{
init();
int t;
scanf("%d",&t);
while(t--)
solve();
}

SnackDown Longest Increasing Subsequences 构造题的更多相关文章

  1. Longest Increasing Subsequences(最长递增子序列)的两种DP实现

    一.本文内容 最长递增子序列的两种动态规划算法实现,O(n^2)及O(nlogn).     二.问题描述 最长递增子序列:给定一个序列,从该序列找出最长的 升序/递增 子序列. 特点:1.子序列不要 ...

  2. 【二分】【动态规划】Gym - 101156E - Longest Increasing Subsequences

    求最长上升子序列方案数. 转载自:http://blog.csdn.net/u013445530/article/details/47958617,如造成不便,请博主联系我. 数组A包含N个整数(可能 ...

  3. 【Codeforces】Gym 101156E Longest Increasing Subsequences LIS+树状数组

    题意 给定$n$个数,求最长上升子序列的方案数 根据数据范围要求是$O(n\log n)$ 朴素的dp方程式$f_i=max(f_j+1),a_i>a_j$,所以记方案数为$v_i$,则$v_i ...

  4. LintCode刷题笔记--Longest Increasing Subsequence

    标签: 动态规划 描述: Given a sequence of integers, find the longest increasing subsequence (LIS). You code s ...

  5. 【刷题-LeetCode】300. Longest Increasing Subsequence

    Longest Increasing Subsequence Given an unsorted array of integers, find the length of longest incre ...

  6. 673. Number of Longest Increasing Subsequence最长递增子序列的数量

    [抄题]: Given an unsorted array of integers, find the number of longest increasing subsequence. Exampl ...

  7. LeetCode Number of Longest Increasing Subsequence

    原题链接在这里:https://leetcode.com/problems/number-of-longest-increasing-subsequence/description/ 题目: Give ...

  8. LeetCode 673. Number of Longest Increasing Subsequence

    Given an unsorted array of integers, find the number of longest increasing subsequence. Example 1: I ...

  9. 【LeetCode】673. Number of Longest Increasing Subsequence 解题报告(Python)

    [LeetCode]673. Number of Longest Increasing Subsequence 解题报告(Python) 标签(空格分隔): LeetCode 题目地址:https:/ ...

随机推荐

  1. MySQL参数设置

    InnoDB配置 从MySQL 5.5版本开始,InnoDB就是默认的存储引擎并且它比任何其它存储引擎的使用要多得多.那也是为什么它需要小心配置的原因. 1 innodb_file_per_table ...

  2. 一、Vue入门

    vue官网:https://cn.vuejs.org/ 学习路线:VueJs2.0建议学习路线 在浏览器上安装 Vue Devtools工具 1.vue入门 <script src=" ...

  3. @RequestParam,@PathParam,@PathVariable,@QueryParam注解的使用区别

    获取url模板上数据的(/{id})@DefaultValue 获取请求参数的(包括post表单提交)键值对(?param1=10&param2=20).可以设置defaultValue JA ...

  4. Django 2.0.3安装-压缩包方式

    OS:Windows 10家庭中文版,CPU:Intel Core i5-8250U Python版本:Python 2.7,Python 3.6 Django版本:2.0.3(最新2.0.5) 解压 ...

  5. python网络编程--线程join和Daemon(守护进程)

    一:什么情况下使用join join([timeout])调用join函数会使得主调线程阻塞,直到被调用线程运行结束或超时. 参数timeout是一个数值类型,用来表示超时时间,如果未提供该参数,那么 ...

  6. Java线程的阻塞

    线程的阻塞 线程的优先级 线程总是存在优先级,优先级范围在1~10之间,线程默认优先级是5(数值越大优先级越高): JVM线程调度程序是基于优先级的抢先调度机制: 在大多数情况下,当前运行的线程优先级 ...

  7. [转]python与numpy基础

    来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb ...

  8. 分析new delete 的本质

    在程序设计中,数据可能会存在不同的内存空间,如函数栈 堆   全局变量区  ,今天我们来分析一下C++中堆分配方式和C语言的堆分配方式异同,从而更好的理解new  delete本质 C语言使用mall ...

  9. epoll对poll(select)的改进

    select的几大缺点:   每次调用select,都需要把fd集合从用户态拷贝到内核态,这个开销在fd很多时会很大: 每次调用select,内核需要遍历传递进来的所有fd(判断检测文件是否可用).有 ...

  10. 四B象限图