“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
- 资深小白带你走进OS Memory
图片来源:http://www.tomshardware.com/ 序言: Memory(内存)是一台计算机组成的重要部分,也是最基础的一部分.其它基础组件有主板.CPU.磁盘.显卡(可独立可集成)等 ...
- mysql之 innobackupex备份+binlog日志的完全恢复(命令行执行模式)
前言:MySQL的完全恢复,我们可以借助于完整的 备份+binlog 来将数据库恢复到故障点.备份可以是热备与逻辑备份(mysqldump),只要备份与binlog是完整的,都可以实现完全恢复. 1. ...
- h5 + nginx + php 视频上传之突破文件大小受限的解决办法
一.环境: CentOS 6.8 nginx 1.8.0 php 7.0.10 二.背景 基于 nginx + php 的 h5 项目,上传视频的时候,如果视频太大,会上传失败. 三.正文 一份视频传 ...
- 按钮开关demo
源码如下: <style> .container{ margin: 0px;padding: 100px 250px;} .switch-test{ -webkit-appearance: ...
- 基于java.util.logging实现轻量级日志记录库(增加根据当前类class初始化,修复线程池模型(javaEE)下的堆栈轨迹顺序与当前调用方法不一致问题)
前言: 本章介绍自己写的基于java.util.logging的轻量级日志记录库(baseLog). 该版本的日志记录库犹如其名,baseLog,是个实现日志记录基本功能的小库,适合小型项目使用,方便 ...
- 流畅的python学习笔记:第一章
这一章中作者简要的介绍了python数据模型,主要是python的一些特殊方法.比如__len__, __getitem__. 并用一个纸牌的程序来讲解了这些方法 首先介绍下Tuple和nametup ...
- django ngRoute ui-router 开发环境下禁用缓存
问题描述: Python manage.py runserver ,禁用缓存,及时修改反馈到浏览器 解决办法: 使用dummy cache: Dummy caching (for developmen ...
- 基于Mac制作iPhone铃声教程,iTunes定制铃声
前言: 网上太多制作方法了,不管是借助第三方软件还是基于iTunes的,不过这些方法都太旧了,有时看起来 ,界面的变化或其他原因,导致很不爽. 正好记录下我最近使用的一种方法: 正文: 一.下载你需要 ...
- angular中的$q服务
$q的一共有四个api: 1.$q.when(value, successFn, errorFn, progressFn),返回值为一个promise对象 --value可以是一个任意数据,也可以是一 ...
- jquery获得表格可见行的大小数量
alert($("#tableId").find("tbody tr[moban='true']").find(":visible").si ...