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

  1. 【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, ...

  2. 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:/ ...

  3. 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 ...

  4. 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) ...

  5. 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. ...

  6. 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 ...

  7. 【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& ...

  8. 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 ...

  9. 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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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 ...