“玲珑杯”ACM比赛 Round #12 (D) 【矩阵快速幂的时间优化】
//首先,感谢Q巨
定义状态向量b[6]
b[0]:三面临红色的蓝色三角形个数
b[1]:两面临红色且一面临空的蓝色三角形个数
b[2]:一面临红色且两面临空的蓝色三角形个数
b[3]:三面临红色的黄色三角形个数
b[4]:两面临红色且一面临绿+的黄色三角形个数
b[5]:一面临红色且两面临绿+的黄色三角形个数
转移矩阵:
[3 1 0 0 0 0;
0 2 2 0 0 0;
0 1 3 0 0 0;
3 2 1 0 0 0;
0 0 0 6 3 0;
0 0 0 0 2 4]
最朴素的TLE代码
#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
;
;
LL b[N]= {,,,,,}; //此处初始化列向量
LL hh[N][N]={{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,}
};
struct Mat
{
LL mat[N][N];
} A;
Mat Mut(Mat a,Mat b)
{
Mat c;
memset(c.mat,,sizeof(c.mat));
; k<N; k++)
; i<N; i++)
if(a.mat[i][k])
; j<N; j++)
{
c.mat[i][j]+=a.mat[i][k]*b.mat[k][j]%mod;
c.mat[i][j]=c.mat[i][j]%mod;
}
return c;
}
Mat Qpow(Mat a,LL n)
{
Mat c;
; i<N; ++i)
; j<N; ++j)
c.mat[i][j]=(i==j);
)
{
) c=Mut(c,a);
a=Mut(a,a);
}
return c;
}
void cal(Mat A,LL n,LL b[],LL& Fn,LL& Gn)
{
Mat A_=Qpow(A,n-);
Fn=Gn=;
LL c[N]={};
;i<N;i++)
;j<N;j++)
c[i]=(c[i]+A_.mat[i][j]*b[j])%mod;
Fn=(c[]+c[]+c[])%mod;
Gn=(c[]+c[]+c[])%mod;
}
void init_A()
{
;i<N;i++)
;j<N;j++)
A.mat[i][j]=hh[i][j];
}
int main()
{
LL n,Fn,Gn;
init_A();
while(cin>>n)
{
)
{
puts("1 0");
continue;
}
n--;
cal(A,n,b,Fn,Gn);
cout<<Fn<<' '<<Gn<<endl;
}
}
貌似(只是貌似)被优化但仍然TLE的代码
#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
;
;
LL b[N]= {,,,,,}; //此处初始化列向量
LL hh[N][N]={{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,}
};
struct Mat
{
LL mat[N][N];
} A,F[];
void printM(Mat x)
{
puts("=================================================================");
;i<N;i++)
{
;j<N;j++)
printf("%10lld",x.mat[i][j]);
puts("");
}
}
Mat Mut(Mat a,Mat b)
{
Mat c;
memset(c.mat,,sizeof(c.mat));
; k<N; k++)
; i<N; i++)
if(a.mat[i][k])
; j<N; j++)
{
c.mat[i][j]+=a.mat[i][k]*b.mat[k][j]%mod;
c.mat[i][j]=c.mat[i][j]%mod;
}
return c;
}
Mat Qpow(Mat a,LL n)
{
Mat c;
; i<N; ++i)
; j<N; ++j)
c.mat[i][j]=(i==j);
)
{
) c=Mut(c,a);
a=Mut(a,a);
}
return c;
}
void cal(Mat A,LL n,LL b[],LL& Fn,LL& Gn)
{
Mat A_;
; i<N; ++i)
; j<N; ++j)
A_.mat[i][j]=(i==j);
;i<&&n;i++,n>>=)
) A_=Mut(A_,F[i]);
//printM(A_);
Fn=Gn=;
LL c[N]={};
;i<N;i++)
;j<N;j++)
c[i]=(c[i]+A_.mat[i][j]*b[j])%mod;
Fn=(c[]+c[]+c[])%mod;
Gn=(c[]+c[]+c[])%mod;
}
void init_A()
{
;i<N;i++)
;j<N;j++)
A.mat[i][j]=hh[i][j];
F[]=A;
;i<;i++)
F[i]=Mut(F[i-],F[i-]);
}
int main()
{
LL n,Fn,Gn;
init_A();
int T;
// cin>>T;
scanf("%lld",&T);
while(T--)
{
// cin>>n;
scanf("%lld",&n);
)
{
puts("1 0");
continue;
}
n-=;
cal(A,n,b,Fn,Gn); // cout<<Fn<<' '<<Gn<<endl;
printf("%lld %lld\n",Fn,Gn);
}
}
矩阵相乘一次的复杂度是O(N^3)的,不过预处理2^i(i:0~60)的矩阵后,可以用向量记录中间结果,而矩阵*向量的复杂度为O(N^2)
最终复杂度: O(T * lb(n) * N^2)->O(1e5 * 60 * 36)->O(2e8)
最终可以AC的代码
#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
;
;
LL b[N]= {,,,,,}; //此处初始化列向量
LL hh[N][N]={{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,},
{,,,,,}
};
struct Mat
{
LL mat[N][N];
} A,F[];
void printM(Mat x)
{
puts("=================================================================");
;i<N;i++)
{
;j<N;j++)
printf("%10lld",x.mat[i][j]);
puts("");
}
}
Mat Mut(Mat a,Mat b)
{
Mat c;
memset(c.mat,,sizeof(c.mat));
; k<N; k++)
; i<N; i++)
if(a.mat[i][k])
; j<N; j++)
{
c.mat[i][j]+=a.mat[i][k]*b.mat[k][j]%mod;
c.mat[i][j]=c.mat[i][j]%mod;
}
return c;
}
Mat Qpow(Mat a,LL n)
{
Mat c;
; i<N; ++i)
; j<N; ++j)
c.mat[i][j]=(i==j);
)
{
) c=Mut(c,a);
a=Mut(a,a);
}
return c;
}
void cal(Mat A,LL n,LL b[],LL& Fn,LL& Gn)
{
Mat A_;
LL c[N]={,,,,,};
; i<N; ++i)
; j<N; ++j)
A_.mat[i][j]=(i==j);
;i<&&n;i++,n>>=)
)
{
LL tres[]={,,,,,};
;j<;j++) //矩阵的行
;k<;k++) //矩阵的列
tres[j]=(tres[j]+F[i].mat[j][k]*c[k])%mod;
;j<;j++)
c[j]=tres[j]%mod;
}
Fn=Gn=;
Fn=(c[]+c[]+c[])%mod;
Gn=(c[]+c[]+c[])%mod;
}
void init_A()
{
;i<N;i++)
;j<N;j++)
A.mat[i][j]=hh[i][j];
F[]=A;
;i<;i++)
F[i]=Mut(F[i-],F[i-]);
}
int main()
{
LL n,Fn,Gn;
init_A();
int T;
scanf("%lld",&T);
while(T--)
{
scanf("%lld",&n);
)
{
puts("1 0");
continue;
}
n-=;
cal(A,n,b,Fn,Gn);
printf("%lld %lld\n",Fn,Gn);
}
}
“玲珑杯”ACM比赛 Round #12 (D) 【矩阵快速幂的时间优化】的更多相关文章
- “玲珑杯”ACM比赛 Round #12题解&源码
我能说我比较傻么!就只能做一道签到题,没办法,我就先写下A题的题解&源码吧,日后补上剩余题的题解&源码吧! A ...
- “玲珑杯”ACM比赛 Round #18
“玲珑杯”ACM比赛 Round #18 Start Time:2017-07-15 12:00:00 End Time:2017-07-15 15:46:00 A -- 计算几何你瞎暴力 Time ...
- “玲珑杯”ACM比赛 Round #19题解&源码【A,规律,B,二分,C,牛顿迭代法,D,平衡树,E,概率dp】
A -- simple math problem Time Limit:2s Memory Limit:128MByte Submissions:1599Solved:270 SAMPLE INPUT ...
- “玲珑杯”ACM比赛 Round #19 B -- Buildings (RMQ + 二分)
“玲珑杯”ACM比赛 Round #19 Start Time:2017-07-29 14:00:00 End Time:2017-07-29 16:30:00 Refresh Time:2017-0 ...
- “玲珑杯”ACM比赛 Round #1
Start Time:2016-08-20 13:00:00 End Time:2016-08-20 18:00:00 Refresh Time:2017-11-12 19:51:52 Public ...
- SCUT - 12 - 西方国家 - 矩阵快速幂
https://scut.online/p/12 可以用矩阵快速幂来做. #include<bits/stdc++.h> using namespace std; typedef long ...
- poj 3735 Training little cats 矩阵快速幂+稀疏矩阵乘法优化
题目链接 题意:有n个猫,开始的时候每个猫都没有坚果,进行k次操作,g x表示给第x个猫一个坚果,e x表示第x个猫吃掉所有坚果,s x y表示第x个猫和第y个猫交换所有坚果,将k次操作重复进行m轮, ...
- “玲珑杯”ACM比赛 Round #13 题解&源码
A 题目链接:http://www.ifrog.cc/acm/problem/1111 分析:容易发现本题就是排序不等式, 将A数组与B数组分别排序之后, 答案即N∑i=1Ai×Bi 此题有坑,反正据 ...
- POJ 3735 Training little cats<矩阵快速幂/稀疏矩阵的优化>
Training little cats Time Limit: 2000MS Memory Limit: 65536K Total Submissions: 13488 Accepted: ...
随机推荐
- 3D旋转动画练习 demo
<!doctype html> <html> <head> <meta charset="utf-8"> <title> ...
- abstract关键字
概念 abstract关键字表示的是抽象的意思,可以用来修饰类和方法.修饰类我们称为抽象类,修饰方法我们称为抽象方法. abstract修饰类,抽象类 1.public abstract clas ...
- Vue.js 运行环境搭建详解(基于windows的手把手安装教学)及vue、node基础知识普及
Vue.js 是一套构建用户界面的渐进式框架.他自身不是一个全能框架——只聚焦于视图层.因此它非常容易学习,非常容易与其它库或已有项目整合.在与相关工具和支持库一起使用时,Vue.js 也能完美地驱动 ...
- MyBatis源码分析之环境准备篇
前言 之前一段时间写了[Spring源码分析]系列的文章,感觉对Spring的原理及使用各方面都掌握了不少,趁热打铁,开始下一个系列的文章[MyBatis源码分析],在[MyBatis源码分析]文章的 ...
- 【原创】Ajax的用法总结
一.什么是Ajax Ajax英文全称为“ Asynchr JavsScript and XML”(异步的JavaScript和XML),是一种创建 交互式网页的开发技术. 二.Ajax技术的核心 Aj ...
- RELabel : 一个极简的正则表达式匹配和展示框架
html,body,div,span,applet,object,iframe,h1,h2,h3,h4,h5,h6,p,blockquote,pre,a,abbr,acronym,address,bi ...
- 零基础开始学python
变量规则:在python中变量名不能有特殊字符和数字开头以及python里的一些关键字,可以使用下划线开头,在python里,变量是支持使用中文的,但尽量不要使用中文,为什么?因为这样会让你看起来太l ...
- Angular JS从入门基础 mvc三层架构 常用指令
Angular JS从入门基础 mvc模型 常用指令 ★ 最近一直在复习AngularJS,它是一款优秀的前端JS框架,已经被用于Google的多款产品当中.AngularJS有着诸多特性,最为核心 ...
- Linux下Shadow socks的安装和配置
实在受不了在Windows下编程,所以自己就安装了一个Ubutun,公司用的FQ软件shadowsocks在Windows上用起来很简单很爽,但是在Ubutun上的安装和配置就没那么简单了,写下这篇文 ...
- Kotlin基本语法和使用
Kotlin 是一个基于 JVM 的新的编程语言,由 JetBrains 开发.与Java相比,Kotlin的语法更简洁.更具表达性,而且提供了更多的特性. Kotlin是使用Java开发者的思维被创 ...