[NOI赛前训练]——专项测试3·数学
由于并不想写T1和T2的题解……所有只有T3的题解了。
T3
由于内部题就只写题解了。
好吧,我是一点都不想写……
说一下这zz题解哪里写错了吧……
……不想写……
就说一个吧……
$n-\frac{k-i}{2}$应该是$\frac{k-i}{2}$。
好累啊,完全不想写题解,有空再说吧。
#include "bits/stdc++.h" using namespace std; const int N=4e2+; double f[N][N],p[N][N],C[N][N],mi[N][N]; int n,num[N][N];
char s[N]; inline void init(){
int i,j,k;
for (C[][]=i=;i<N;++i)
for (C[i][]=j=;j<=i;++j)
C[i][j]=C[i-][j]+C[i-][j-];
for (i=;i<=n;++i)
for (j=i,k=;j<=n;++j){
if (s[j]=='.') ++k;
num[i][j]=k;
}
} inline void dp(){
if (!num[][n]){
puts("0.000000");return ;
}
register int i,j,k,l;
for (i=;i<=n;++i) if(s[i]=='.')
p[i][i]=1.0;
for (l=;l<=(n>>);++l) {
for (i=;i<=l;++i)
for (mi[i][]=,k=;k<=l;++k)
mi[i][k]=mi[i][k-]*i/l;
for (i=,j=l;i<=n;++i,++j) {
f[i][j]=p[i][j]=0.0;
if(s[j]=='.'){
for (k=i;k<j;++k) if(s[k]=='.'){
int lk=num[i][k-],rk=num[k+][j-];
double now=C[lk+rk][lk]*
mi[(k-i+)][lk+]*
mi[(j-k)][rk]*
p[i][k]*p[k+][j];
p[i][j]+=now;
f[i][j]+=now*(f[i][k]+f[k+][j]+(k-i)/2.0);
}
if (num[i][j-]==)p[i][j]=1.0;
f[i][j]/=p[i][j];
}
}
}
double ans=0.0;
for (i=;i<=n/;++i)
ans+=f[i][i+n/-]*p[i][i+n/-];
ans+=(n/-)/2.0;
printf("%.6f\n",ans);
} int main(){
int T;
scanf("%d",&T);
while (T--) {
scanf("%s",s+);
n=strlen(s+);
for (int i=n+;i<=(n<<);++i)
s[i]=s[i-n];
n<<=;
init();
dp();
}
}
T3
[NOI赛前训练]——专项测试3·数学的更多相关文章
- 【NOI赛前训练】——专项测试1·网络流
T1: 题目大意: 传送门 给一个长度为$n(n<=200)$的数列$h$,再给$m$个可以无限使用的操作,第$i$个操作为给长度为花费$c_i$的价值给长度为$l_i$的数列子序列+1或-1, ...
- Ubuntu14.04+caffe+cuda7.5 环境搭建以及MNIST数据集的训练与测试
Ubuntu14.04+caffe+cuda 环境搭建以及MNIST数据集的训练与测试 一.ubuntu14.04的安装: ubuntu的安装是一件十分简单的事情,这里给出一个参考教程: http:/ ...
- Caffe初试(二)windows下的cafee训练和测试mnist数据集
一.mnist数据集 mnist是一个手写数字数据库,由Google实验室的Corinna Cortes和纽约大学柯朗研究院的Yann LeCun等人建立,它有60000个训练样本集和10000个测试 ...
- caffe学习系列(2):训练和测试自己的图片
参考:http://www.cnblogs.com/denny402/p/5083300.html 上述主要介绍的是从自己的原始图片转为lmdb数据,再到训练.测试的整个流程(另外可参考薛开宇的笔记) ...
- windows+caffe(四)——创建模型并编写配置文件+训练和测试
1.模型就用程序自带的caffenet模型,位置在 models/bvlc_reference_caffenet/文件夹下, 将需要的两个配置文件,复制到myfile文件夹内 2. 修改solver. ...
- Caffe学习系列(12):训练和测试自己的图片
学习caffe的目的,不是简单的做几个练习,最终还是要用到自己的实际项目或科研中.因此,本文介绍一下,从自己的原始图片到lmdb数据,再到训练和测试模型的整个流程. 一.准备数据 有条件的同学,可以去 ...
- 【转】微信小程序专项测试
微信小程序专项测试 by 云层 原文地址: http://mp.weixin.qq.com/s?__biz=MzA4NDIzNTIzNA==&mid=2654370226&idx=1& ...
- 不要怂,就是GAN (生成式对抗网络) (四):训练和测试 GAN
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 train.py,同时新建文件夹 logs 和文件夹 samples,前者用来保存训练过程中的日志和模型,后者用来保 ...
- app专项测试自动化测试方法思路与实现
秉着个人意愿打算把python+rf接口自动进行彻底结束再做些其它方面的输出~但事与愿违,但领导目前注重先把专项测试方面完成,借此,先暂停python+rf(主要是与Jenkins集成+导入DB+微信 ...
随机推荐
- fastDFS与Java整合上传下载
由于项目需要整合个文件管理,选择使用的是fastDFS. 整合使用还是很方便的. 准备 下载fastdfs-client-java源码 源码地址 密码:s3sw 修改pom.xml 第一个plugin ...
- AI之微信跳一跳
需要环境:1,Python3.6 2,android手机 3,ADB驱动,下载地址https://adb.clockworkmod.com/ 步骤: 配置Python3,ADB安装目录到环境变量pat ...
- IT小团队的管理者的突围之道
笔者前几天被问到一个问题,你在团队管理方面有什么值得分享的吗?咋一听,实用千言万语,但是事后回忆说出来的东西感觉空无一物,缺少干货.故想通过写一篇随笔思考整理一下,刷新一下自己对小团队管理的认知.这里 ...
- TensorFlow实践笔记(一):数据读取
本文整理了TensorFlow中的数据读取方法,在TensorFlow中主要有三种方法读取数据: Feeding:由Python提供数据. Preloaded data:预加载数据. Reading ...
- Redis+Django(Session,Cookie、Cache)的用户系统
转自 http://www.cnblogs.com/BeginMan/p/3890761.html 一.Django authentication django authentication 提供了一 ...
- Visual Studio 2017 15.7 下的.NET Core
Visual Studio 2017 15.7版本发布,对.NET Core项目的主要相关改变如下, 同时对Xamarin.Android和iOS项目的支持上也做了较大改进. 一. .NET Core ...
- Docker 三剑客之 Docker Swarm(基于 overlay 组网通信)
相关文章:Docker 三剑客之 Docker Swarm 这一篇主要是对 Docker Swarm 的完善,增加基于 overlay 组网通信,以便 Docker 容器可以跨主机访问. 不同主机间的 ...
- 深度学习之 TensorFlow(四):卷积神经网络
基础概念: 卷积神经网络(CNN):属于人工神经网络的一种,它的权值共享的网络结构显著降低了模型的复杂度,减少了权值的数量.卷积神经网络不像传统的识别算法一样,需要对数据进行特征提取和数据重建,可以直 ...
- 使用nginx缓存服务器上的静态文件
一.nginx缓存的优点 如图所示,nginx缓存,可以在一定程度上,减少源服务器的处理请求压力. 因为静态文件(比如css,js, 图片)中,很多都是不经常更新的.nginx使用proxy_cach ...
- DevOps之一 Gitlab的安装与配置
gitlab的安装 参考治疗:https://www.gitlab.com.cn/installation/#centos-7 http://www.21yunwei.com/archives/435 ...