题面传送门

很久之前(2020 年)就听说过这题了,这么经典的题怎么能只听说而亲自做一遍呢

首先注意到每次开枪打死一个猎人之后,打死其他猎人概率的分母就会发生变化,这将使我们维护起来非常棘手,因此我们考虑做一个转化:每次随便从全集中选出一个猎人(不管死的活的),如果它是活的就将它射死。假设现在死了的猎人的 \(w_i\) 值之和为 \(T\),所有猎人的 \(w_i\) 值之和为 \(U\),那么精通无穷级数的同学应该不难推出,对于某个还活着的猎人 \(j\),射到的第一个活着的猎人是 \(j\) 的概率就是 \(\sum\limits_{i=0}^{\infty}(\dfrac{T}{U})^i·\dfrac{w_j}{U}=\dfrac{U}{U-T}·\dfrac{w_j}{U}=\dfrac{w_j}{U-T}\),刚好就是题目中的式子。

这样一来我们就大可不必考虑“每一枪射到的猎人必须是活的”这个限制了,接下来考虑原问题。考虑容斥(没想到*1),我们考虑钦定一个集合 \(S(1\notin S)\) 并令 \(S\) 中的猎人必须在 \(1\) 之后死,我们记这样的概率为 \(p(S)\),那么答案显然就是 \(\sum\limits_{1\notin S}p(S)(-1)^{|S|}\)。考虑这个 \(p(S)\) 是个什么东西,按照上面的转化,\(S\) 中的猎人在 \(1\) 之后死即意味着在打死 \(1\) 之前选择的猎人都不在 \(S\) 中,那么我们可以枚举打死 \(1\) 之前开了多少枪,设这个数是 \(c\),方便起见我们假设 \(X=\sum\limits_{x\in S}w_x\),那么可列出方程 \(p(S)=\sum\limits_{c=0}^{\infty}(\dfrac{U-X-w_1}{U})^c·\dfrac{w_1}{U}=\dfrac{U}{X+w_1}·\dfrac{w_1}{U}=\dfrac{w_1}{X+w_1}\)。

琢磨清楚 \(p(S)\) 是个什么东西之后,最后一步就是计算上面那个式子了。暴力枚举 \(S\) 显然 T 飞,想也别想了。不过一个 observation 是 \(p(S)\) 的表达式只与 \(S\) 中所有元素的 \(w\) 值之和 \(X\) 有关,因此我们考虑枚举 \(X\),即 \(ans=\sum\limits_{X}\dfrac{w_1}{X+w_1}\sum\limits_{S}(-1)^{|S|}[\sum\limits_{x\in S}w_x=X]\),也就是说如果我们能求出所有满足 \(\sum\limits_{x\in S}w_x=X\) 的 \((-1)^{|S|}\) 之和那这题就搞定了。这东西怎么求呢?这东西看起来好像有点眼熟,\(w_x\) 之和等于 \(X\) 可以看作……系数之和等于 \(X\),对!生成函数(想不到 *2,u1s1 中考结束后 wtm 简直像个 sb)。我们令 \(F(x)=\prod\limits_{i=2}^n(1-x^{w_i})\),那么这东西就是 \([x^{X}]F(x)\),由于 \(\sum\limits_{i=1}^nw_i\le 10^5\),因此可以分治+NTT(为什么是“分治+NTT”而不是“分治 NTT”呢?因为这里的分治不是 cdq 分治)求出 \(F(x)\),时间复杂度 \(n\log^2n\)

const int MAXN=1e5;
const int MAXP=1<<18;
const int pr=3;
const int MOD=998244353;
const int ipr=(MOD+1)/3;
int n,a[MAXN+5];
int qpow(int x,int e){
int ret=1;
for(;e;e>>=1,x=1ll*x*x%MOD) if(e&1) ret=1ll*ret*x%MOD;
return ret;
}
int rev[MAXP+5];
void NTT(vector<int> &a,int len,int type){
int lg=31-__builtin_clz(len);
for(int i=0;i<len;i++) rev[i]=(rev[i>>1]>>1)|((i&1)<<lg-1);
for(int i=0;i<len;i++) if(i<rev[i]) swap(a[i],a[rev[i]]);
for(int i=2;i<=len;i<<=1){
int W=qpow((type<0)?ipr:pr,(MOD-1)/i);
for(int j=0;j<len;j+=i){
for(int k=0,w=1;k<(i>>1);k++,w=1ll*w*W%MOD){
int X=a[j+k],Y=1ll*a[(i>>1)+j+k]*w%MOD;
a[j+k]=(X+Y)%MOD;a[(i>>1)+j+k]=(X-Y+MOD)%MOD;
}
}
}
if(!~type){
int ivn=qpow(len,MOD-2);
for(int i=0;i<len;i++) a[i]=1ll*a[i]*ivn%MOD;
}
}
vector<int> conv(vector<int> a,vector<int> b,int len){
int LEN=1;while(LEN<a.size()+b.size()) LEN<<=1;
a.resize(LEN,0);b.resize(LEN,0);NTT(a,LEN,1);NTT(b,LEN,1);
for(int i=0;i<LEN;i++) a[i]=1ll*a[i]*b[i]%MOD;
NTT(a,LEN,-1);while(a.size()>len) a.pop_back();return a;
}
vector<int> solve(int l,int r){
if(l==r){
vector<int> res(a[l]+1,0);
res[a[l]]=MOD-(res[0]=1);
return res;
} int mid=l+r>>1;
vector<int> L=solve(l,mid);
vector<int> R=solve(mid+1,r);
return conv(L,R,L.size()+R.size()-1);
}
int main(){
scanf("%d",&n);if(n==1) return puts("1")&0;int sum=0;
for(int i=1;i<=n;i++) scanf("%d",&a[i]),sum+=!!(i^1)*a[i];
vector<int> res=solve(2,n);int ans=0;
for(int i=0;i<=sum;i++) ans=(ans+1ll*a[1]*qpow(a[1]+i,MOD-2)%MOD*res[i])%MOD;
printf("%d\n",ans);
return 0;
}

洛谷 P5644 - [PKUWC2018]猎人杀(分治+NTT)的更多相关文章

  1. 【洛谷5644】[PKUWC2018] 猎人杀(容斥+生成函数+分治NTT)

    点此看题面 大致题意: 有\(n\)个人相互开枪,每个人有一个仇恨度\(a_i\),每个人死后会开枪再打死另一个还活着的人,且第一枪由你打响.设当前剩余人仇恨度总和为\(k\),则每个人被打中的概率为 ...

  2. LOJ2541 PKUWC2018猎人杀(概率期望+容斥原理+生成函数+分治NTT)

    考虑容斥,枚举一个子集S在1号猎人之后死.显然这个概率是w1/(Σwi+w1) (i∈S).于是我们统计出各种子集和的系数即可,造出一堆形如(-xwi+1)的生成函数,分治NTT卷起来就可以了. #i ...

  3. P5644-[PKUWC2018]猎人杀【NTT,分治】

    正题 题目链接:https://www.luogu.com.cn/problem/P5644 题目大意 \(n\)个人,每个人被选中的权重是\(a_i\).每次按照权重选择一个没有死掉的人杀死,求第\ ...

  4. 洛谷 4721 【模板】分治 FFT——分治FFT / 多项式求逆

    题目:https://www.luogu.org/problemnew/show/P4721 分治FFT:https://www.cnblogs.com/bztMinamoto/p/9749557.h ...

  5. 洛谷SP22343 NORMA2 - Norma(分治,前缀和)

    洛谷题目传送门 这题推式子恶心..... 考虑分治,每次统计跨过\(mid\)的所有区间的答案和.\(i\)从\(mid-1\)到\(l\)枚举,统计以\(i\)为左端点的所有区间. 我们先维护好\( ...

  6. Poj1741/洛谷P4718 Tree(点分治)

    题面 有多组数据:Poj 无多组数据:洛谷 题解 点分治板子题,\(calc\)的时候搞一个\(two\ pointers\)扫一下统计答案就行了. #include <cmath> #i ...

  7. 洛谷P3810 陌上花开(CDQ分治)

    洛谷P3810 陌上花开 传送门 题解: CDQ分治模板题. 一维排序,二维归并,三维树状数组. 核心思想是分治,即计算左边区间对右边区间的影响. 代码如下: #include <bits/st ...

  8. 洛谷P4705 玩游戏 [生成函数,NTT]

    传送门 这是两个月之前写的题,但没写博客.现在回过头来看一下发现又不会了-- 还是要写博客加深记忆. 思路 显然期望可以算出总数再乘上\((nm)^{-1}\). 那么有 \[ \begin{alig ...

  9. 题解-PKUWC2018 猎人杀

    Problem loj2541 题意概要:给定 \(n\) 个人的倒霉度 \(\{w_i\}\),每回合会有一个人死亡,每个人这回合死亡的概率为 自己的倒霉度/目前所有存活玩家的倒霉度之和,求第 \( ...

随机推荐

  1. Vue2源码解读 - 响应式原理及简单实现

    直接进入主题了,想必大家都知道实现vue响应式核心方法就是 Object.defineProperty,那就从它开始说 Object.defineProperty 缺点: 深度监听,需要递归到底,一次 ...

  2. 改善深层神经网络-week2编程题(Optimization Methods)

    1. Optimization Methods Gradient descent goes "downhill" on a cost function \(J\). Think o ...

  3. [火星补锅] 水题大战Vol.2 T2 && luogu P3623 [APIO2008]免费道路 题解

    前言: 如果我自己写的话,或许能想出来正解,但是多半会因为整不出正确性而弃掉. 解析: 这题算是对Kruskal的熟练运用吧. 要求一颗生成树.也就是说,最后的边数是确定的. 首先我们容易想到一个策略 ...

  4. 上午小测3 T1 括号序列 && luogu P5658 [CSP/S 2019 D1T2] 括号树 题解

    前 言: 一直很想写这道括号树..毕竟是在去年折磨了我4个小时的题.... 上午小测3 T1 括号序列 前言: 原来这题是个dp啊...这几天出了好几道dp,我都没看出来,我竟然折磨菜. 考试的时候先 ...

  5. Spring MVC:DispatchServlet类

    Spring MVC架构 Spring Web MVC是基于Servlet API构建的原始Web框架,从一开始就已包含在Spring框架中.传统的模型层被拆分为了业务层(Service)和数据访问层 ...

  6. 微服务(五)nacos配置管理

    1 统一配置管理 1.1 nacos中添加配置文件 注意:项目的核心配置,需要热更新的配置才有放到nacos管理的必要.基本不会变更的一些配置还是保存在微服务本地比较好. 1.2 从微服务拉取配置 微 ...

  7. docker+nginx搭建tomcat集群(附录)——nginx.conf文件

    附录:nginx.conf修改后的文件内容 user root;worker_processes 2; #error_log logs/error.log;#error_log logs/error. ...

  8. Ambari 2.4 在 CentOS 7.4 因 TLS_1.2 协商内部错误导致注册失败

    问题背景 业务准备在天翼云上搭建一套线上环境,VM 操作系统版本为 CentOS Linux release 7.4.1708,但是在 ambari Web 管理页面上部署hadoop节点主机的时候, ...

  9. python语法与pycharm的基本使用

    内容概要 pycharm基本使用 python注释语法 变量与常量 垃圾回收机制 数据类型 1. pycharm基本使用 pycharm安装完成后首次打开要注意: 文件路径(不要选择C盘) pytho ...

  10. Git+windows安装教程(一)

    一:Git是什么? Git是目前世界上最先进的分布式版本控制系统. 二:SVN与Git的最主要的区别? SVN是集中式版本控制系统,版本库是集中放在中央服务器的,而干活的时候,用的都是自己的电脑,所以 ...