2023NOIP A层联测32 T3 sakuya

虚伪的期望,彬彬赛时都能 A 的数学题。

思路

考虑算出来总的花费,再除以 \(m!\) 求期望。

对于某个排列的花费为:\(\sum\limits_{i=2}^m dis(a_{i-1},a_i)\)。

但考虑一下,这个式子重要吗?

我们的目的是求出所有排列的花费的和,不能局限于某一个排列去求。

其实,如果我们知道每一种相邻两个数出现的次数,乘上这两个点间的距离,也可以算出答案。

那么我们考虑 \(u,v\) 相邻的情况(不论先后)在 \(m!\) 种方案中会出现多少次?

赛时通过打表得知,\(u,v\) 相邻的情况有 \(2(m-1)!\) 种,现在来证明一下。

先在这 \(m\) 个数中去掉 \(v\),那么有 \((m-1)!\) 种排列,将 \(v\) 放在每一种排列的 \(u\) 的后一个位置,这样子贡献了 \((m-1)!\) 种情况。

将 \(u,v\) 互换,也能得到 \((m-1)!\) 种情况。

所以说,对于一对数 \(u,v\) 他们在 \(m!\) 种方案中,相邻的次数为 \(2(m-1)!\) 次。

也就是说,每一个 \(dis(u,v) \ (u<v)\) 在 \(m!\) 种方案中计算 \(2(m-1)!\) 次。

答案为:

\[\frac{2(m-1)!\sum\limits_{i\in A}\sum\limits_{i\in A,i<j} dis(i,j)}{m!}
\]

化简为:

\[\frac{2\times\sum\limits_{i\in A}\sum\limits_{i\in A,i<j} dis(i,j)}{m}
\]

现在求出 \(\sum\limits_{i\in A}\sum\limits_{i\in A,i<j} dis(i,j)\) 即可。

先没有修改操作,这个式子可以统计一条边两边的有效点(在集合 \(A\) 中的点的个数),来计算有多少条经过这条边多少次,乘以边权即可。

如果加上修改,那么每次会影响到和这个点相连的边,但我们不可以遍历这个点的所有边重新算贡献,这样菊花图会 TLE。

所以考虑将与一个点相连的边经过的总次数存在点上,修改时直接将总次数乘以 \(k\) 加上上次的答案即可。

时间复杂度 \(O(n+m)\)。

CODE

#include<bits/stdc++.h>
using namespace std; #define ll long long
#define mod 998244353 const int maxn=5e5+5; struct node
{
int to,nxt;
ll w;
}edge[maxn*2]; int n,tot,m;
int head[maxn]; ll ans,inv;
ll sz[maxn],c[maxn],fac[maxn]; ll ksm(ll x,ll y)
{
ll sum=1;
for(;y;y/=2,x=x*x%mod) if(y&1) sum=sum*x%mod;
return sum;
} void add(int x,int y,int z)
{
tot++;
edge[tot].to=y;
edge[tot].nxt=head[x];
edge[tot].w=z;
head[x]=tot;
} void dfs(int u,int f)
{
for(int i=head[u];i;i=edge[i].nxt)
{
int v=edge[i].to;
if(v==f) continue;
dfs(v,u);
sz[u]+=sz[v];
}
}
void dfs_ans(int u,int f)
{
for(int i=head[u];i;i=edge[i].nxt)
{
int v=edge[i].to;
if(v==f) continue;
ans=(ans+sz[v]*(sz[1]-sz[v])%mod*edge[i].w)%mod;
dfs_ans(v,u);
}
for(int i=head[u];i;i=edge[i].nxt)
{
int v=edge[i].to;
if(v!=f) c[u]=(c[u]+sz[v]*(sz[1]-sz[v])%mod)%mod;
else c[u]=(c[u]+sz[u]*(sz[1]-sz[u])%mod)%mod;
}
} int main()
{
scanf("%d%d",&n,&m);
for(int i=1;i<n;i++)
{
int x,y,z;
scanf("%d%d%d",&x,&y,&z);
add(x,y,z);
add(y,x,z);
}
for(int i=1;i<=m;i++)
{
int x;
scanf("%d",&x);
sz[x]=1;
}
dfs(1,0);
dfs_ans(1,0);
fac[0]=1;
for(int i=1;i<=m;i++) fac[i]=fac[i-1]*i%mod;
inv=ksm(fac[m],mod-2);
int _;
scanf("%d",&_);
while(_--)
{
int x;
ll k;
scanf("%d%lld",&x,&k);
ans=(ans+c[x]*k)%mod;
printf("%lld\n",ans*inv%mod*2*fac[m-1]%mod);
}
}

第一次赛时切期望( ̄▽ ̄)~*

2023NOIP A层联测32 T3 sakuya的更多相关文章

  1. sql server CDC报错:超出存储过程、函数、触发器的最大嵌套层数(最大层为32)

     sys.sp_MScdc_capture_job   RAISERROR(22801, 10, -1)      --原本 go sys.sp_MScdc_capture_job; go --修改后 ...

  2. 使 IIS 6.0 可以在 64 位 Windows 上运行 32 位应用程序 试图加载格式不正确的程序。

    原文 使 IIS 6.0 可以在 64 位 Windows 上运行 32 位应用程序 试图加载格式不正确的程序. win7 64位操作系统上边运行IIS网站应用的时候,提示错误"试图加载格式 ...

  3. 经典网络LeNet5看卷积神经网络各层的维度变化

    本文介绍以下几个CNN经典模型:Lenet(1986年).Alexnet(2012年).GoogleNet(2014年).VGG(2014年).Deep Residual Learning(2015年 ...

  4. MySQL Nested-Loop Join算法学习

    不知不觉的玩了两年多的MySQL,发现很多人都说MySQL对比Oracle来说,优化器做的比较差,其实某种程度上来说确实是这样,但是毕竟MySQL才到5.7版本,Oracle都已经发展到12c了,今天 ...

  5. Fully Convolutional Networks for semantic Segmentation(深度学习经典论文翻译)

    摘要 卷积网络在特征分层领域是非常强大的视觉模型.我们证明了经过端到端.像素到像素训练的卷积网络超过语义分割中最先进的技术.我们的核心观点是建立"全卷积"网络,输入任意尺寸,经过有 ...

  6. CNN & RNN 及一些常识知识(不断扩充中)

    参考: http://blog.csdn.net/iamrichardwhite/article/details/51089199 一.神经网络的发展历史 五六十年代,提出感知机 八十年代,提出多层感 ...

  7. Deep Learning(深度学习)学习笔记整理

    申明:本文非笔者原创,原文转载自:http://www.sigvc.org/bbs/thread-2187-1-3.html 4.2.初级(浅层)特征表示 既然像素级的特征表示方法没有作用,那怎样的表 ...

  8. 【转载】Deep Learning(深度学习)学习笔记整理

    http://blog.csdn.net/zouxy09/article/details/8775360 一.概述 Artificial Intelligence,也就是人工智能,就像长生不老和星际漫 ...

  9. Deep Residual Learning for Image Recognition(MSRA-深度残差学习)

    转自:http://blog.csdn.net/solomonlangrui/article/details/52455638   ABSTRACT:           神经网络的训练因其层次加深而 ...

  10. Deep Learning(深度学习)学习笔记整理系列之(七)

    Deep Learning(深度学习)学习笔记整理系列 zouxy09@qq.com http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04 ...

随机推荐

  1. Kafka Topic 中明明有可拉取的消息,为什么 poll 不到

    开心一刻 今天小学女同学给我发消息她:你现在是毕业了吗我:嗯,今年刚毕业她给我发了一张照片,怀里抱着一只大橘猫她:我的眯眯长这么大了,好看吗我:你把猫挪开点,它挡住了,我看不到她:你是 sb 吗,滚我 ...

  2. 【Appium】之自动化定位总结

    一.同级定位时,先定位上级 我想定位[必填]框,我先定位[姓名]的同一个上级 self.driver.find_element(MobileBy.XPATH,"//*[contains(@t ...

  3. 每天5分钟复习OpenStack(十五)Ceph与Bcache结合

    上一章我们成功部署了bcache,这一章我们将Ceph与Bcache结合来使用,使用Bcache来为ceph的数据盘提速. 1 ceph 架构 一个标准的ceph集群可能是如下的架构,SSD/NVME ...

  4. Unity 中 Color 与 Color32 的区别

    1. 存储方式 Color用四个浮点数(float)来表示RGBA,取值范围均是0到1 举例: var orange = new Color(1f, 0.5f, 0f, 1f); 而Color32使用 ...

  5. ubuntu 20.04安装GCC G++ 6.2,支持c++ 14

    1. 下载源码包 wget http://ftp.gnu.org/gnu/gcc/gcc-6.2.0/gcc-6.2.0.tar.bz2 2. 解压 tar jxf gcc-6.2.0.tar.bz2 ...

  6. Pointer Event Api-整合鼠标事件、触摸和触控笔事件

    Pointer Events API 是Hmtl5的事件规范之一,它主要目的是用来将鼠标(Mouse).触摸(touch)和触控笔(pen)三种事件整合为统一的API. Pointer Event P ...

  7. frp_v0.37.1内网穿透,内网服务公网用不求人

    前言: 公司内网无法访问,出差又需要用到公司内网进行办公,苦恼了好一阵.这时候想到了内网穿透,这就不得不提到几年前被安利的frp,一看GitHub竟然已经5年了,网上估计大把教程了. 那么什么是frp ...

  8. TS体操类型学习记录

    Easy 1. Easy - 4 - Pick 从类型 T 中选出符合 K 的属性,构造一个新的类型 type MyPick<T, K extends keyof T> = { [key ...

  9. 深入理解Android MTP之存储映射分析

    深入理解Android MTP之UsbService启动分析 分析了MTP的服务端的启动,本文来分析切换MTP模式后,存储中的数据(文件.目录)是如何映射到PC端的. 首先你得知道如何切换MTP模式. ...

  10. Teradata退出中国,您可以相信中国数据库!

    继Adobe.Tableau.Salesforce之后,2023年2月15日,数仓软件巨头Teradata宣布将逐步结束在中国的直接运营.数仓界的"黄埔军校"仓皇撤出中国市场给出的 ...