LINK


思路

首先是考虑怎么设计dp的状态

发现奴隶主的顺序没有影响,只有生命和个数有影响,所以就可以把每个生命值的奴隶主有多少压缩成状态就可以了

然后发现无论是什么时候一个状态到另一个状态的转移都是固定的方式

所以可以预处理转移矩阵用矩阵快速幂进行优化

但是如果在计算的时候暴力\(状态^3\)进行转移会TLE

但是注意到在这个时候有用的状态其实只有一个向量

所以就预处理倍增然后用向量乘矩阵来优化到单次\(logn状态^2\)就可以了

有点卡常


//Author: dream_maker
#include<bits/stdc++.h>
using namespace std;
//----------------------------------------------
//typename
typedef long long ll;
//convenient for
#define fu(a, b, c) for (int a = b; a <= c; ++a)
#define fd(a, b, c) for (int a = b; a >= c; --a)
#define fv(a, b) for (int a = 0; a < (signed)b.size(); ++a)
//inf of different typename
const int INF_of_int = 1e9;
const ll INF_of_ll = 1e18;
//fast read and write
template <typename T>
void Read(T &x) {
bool w = 1;x = 0;
char c = getchar();
while (!isdigit(c) && c != '-') c = getchar();
if (c == '-') w = 0, c = getchar();
while (isdigit(c)) x = (x<<1) + (x<<3) + c -'0', c = getchar();
if (!w) x = -x;
}
template <typename T>
void Write(T x) {
if (x < 0) putchar('-'), x = -x;
if (x > 9) Write(x / 10);
putchar(x % 10 + '0');
}
//----------------------------------------------
const int N = 170;
const int Mod = 998244353;
ll n, m, K, cnt = 0;
int inv[10];
int id[9][9][9];
struct Matrix{
int t[N][N];
Matrix() { memset(t, 0, sizeof(t));}
}trans, g[61];
inline int add(int a, int b) { return ((a += b) > Mod) ? (a - Mod) : a; }
inline int mul(int a, int b) { return 1ll * a * b % Mod; }
Matrix operator * (const Matrix a, const Matrix b) {
Matrix c;
fu(k, 0, cnt)
fu(i, 0, cnt) if (a.t[i][k])
fu(j, 0, cnt)
c.t[i][j] = add(c.t[i][j], mul(a.t[i][k], b.t[k][j]));
return c;
}
inline Matrix mul_matrix(Matrix a, Matrix b) {
Matrix c;
fu(k, 0, cnt) if(a.t[0][k])
fu(j, 0, cnt)
c.t[0][j] = add(c.t[0][j], mul(a.t[0][k], b.t[k][j]));
return c;
}
inline int fast_pow(int a, int b) {
int ans = 1;
while (b) {
if (b & 1) ans = mul(ans, a);
b >>= 1;
a = mul(a, a);
}
return ans;
}
inline int get_add_id(int i, int j, int k) {
if (i + j + k == K) return id[i][j][k];
if (m == 1) return id[i + 1][j][k];
if (m == 2) return id[i][j + 1][k];
if (m == 3) return id[i][j][k + 1];
}
void init() {
fu(i, 1, K + 1)inv[i] = fast_pow(i, Mod - 2);
int upj, upk, ID, inv_sum;
fu(i, 0, K) {
upj = (m == 1)? 0 : K - i;
fu(j, 0, upj) {
upk = (m == 2)? 0 : K - i - j;
fu(k, 0, upk) id[i][j][k] = ++cnt;
}
}
++cnt;
trans.t[cnt][cnt] = 1;
fu(i, 0, K) {
upj = (m == 1)? 0 : K - i;
fu(j, 0, upj) {
upk = (m == 2)? 0 : K - i - j;
fu(k, 0, upk) {
ID = id[i][j][k], inv_sum = inv[i + j + k + 1];
if (i) trans.t[ID][id[i - 1][j][k]] = mul(inv_sum, i);
if (j) trans.t[ID][get_add_id(i + 1, j - 1, k)] = mul(inv_sum, j);
if (k) trans.t[ID][get_add_id(i, j + 1, k - 1)] = mul(inv_sum, k);
trans.t[ID][ID] = trans.t[ID][cnt] = inv_sum;
}
}
}
g[0] = trans;
fu(i, 1, 60) g[i] = g[i - 1] * g[i - 1];
}
int main() {
#ifdef dream_maker
freopen("input.txt","r",stdin);
#endif
int T;Read(T);
Read(m); Read(K);
init();
int pre = get_add_id(0, 0, 0);
while (T--) {
Read(n);
Matrix ans;
ans.t[0][pre] = 1;
fu(i, 0, 60)
if ((n >> i) & 1) ans = mul_matrix(ans, g[i]);
printf("%d\n", ans.t[0][cnt]);
}
return 0;
}

LOJ2325. 「清华集训 2017」小 Y 和恐怖的奴隶主【矩阵快速幂优化DP】【倍增优化】的更多相关文章

  1. LOJ2325「清华集训 2017」小Y和恐怖的奴隶主

    题目链接 首先dp很显然,\(f(i,s)\)表示到了第i轮,各种血量人数的情况为s今后的期望攻击boss次数.那么有\(f(i,s)=\frac{1}{num+1}*\sum_{s->s'}( ...

  2. loj #2325. 「清华集训 2017」小Y和恐怖的奴隶主

    #2325. 「清华集训 2017」小Y和恐怖的奴隶主 内存限制:256 MiB时间限制:2000 ms标准输入输出 题目类型:传统评测方式:文本比较   题目描述 "A fight? Co ...

  3. 【loj2325】「清华集训 2017」小Y和恐怖的奴隶主 概率dp+倍增+矩阵乘法

    题目描述 你有一个m点生命值的奴隶主,奴隶主受伤未死且当前随从数目不超过k则再召唤一个m点生命值的奴隶主. T次询问,每次询问如果如果对面下出一个n点攻击力的克苏恩,你的英雄期望会受到到多少伤害. 输 ...

  4. LibreOJ #2325. 「清华集训 2017」小Y和恐怖的奴隶主(矩阵快速幂优化DP)

    哇这题剧毒,卡了好久常数才过T_T 设$f(i,s)$为到第$i$轮攻击,怪物状态为$s$时对boss的期望伤害,$sum$为状态$s$所表示的怪物个数,得到朴素的DP方程$f(i,s)=\sum \ ...

  5. Loj #2324. 「清华集训 2017」小 Y 和二叉树

    Loj #2324. 「清华集训 2017」小 Y 和二叉树 小Y是一个心灵手巧的OIer,她有许多二叉树模型. 小Y的二叉树模型中,每个结点都具有一个编号,小Y把她最喜欢的一个二叉树模型挂在了墙上, ...

  6. [LOJ#2324]「清华集训 2017」小Y和二叉树

    [LOJ#2324]「清华集训 2017」小Y和二叉树 试题描述 小Y是一个心灵手巧的OIer,她有许多二叉树模型. 小Y的二叉树模型中,每个结点都具有一个编号,小Y把她最喜欢的一个二叉树模型挂在了墙 ...

  7. [LOJ#2323]「清华集训 2017」小Y和地铁

    [LOJ#2323]「清华集训 2017」小Y和地铁 试题描述 小Y是一个爱好旅行的OIer.一天,她来到了一个新的城市.由于不熟悉那里的交通系统,她选择了坐地铁. 她发现每条地铁线路可以看成平面上的 ...

  8. 【UOJ#340】【清华集训2017】小 Y 和恐怖的奴隶主(矩阵快速幂,动态规划)

    [UOJ#340][清华集训2017]小 Y 和恐怖的奴隶主(矩阵快速幂,动态规划) 题面 UOJ 洛谷 题解 考虑如何暴力\(dp\). 设\(f[i][a][b][c]\)表示当前到了第\(i\) ...

  9. loj2324 「清华集训 2017」小 Y 和二叉树

    https://loj.ac/problem/2324 太智障,一开始以为中序遍历的第一个点一定是一个叶子,想了个贪心.然而,手算了一下,第一个点都过不了啊. input 5 2 3 4 1 3 3 ...

随机推荐

  1. 设计模式——适配器(Adapter)模式

    概述 什么是适配器?在我们生活中的适配器比如插头转换器(中标转美标).USB接口转换器(type-c转苹果),电脑电源适配器(交流电转低电压直流)等.像这种将两者有差异的东西通过适配器使他们成为相互适 ...

  2. tcpdump实用笔记

    前言:本文是关于tcpdump抓包的文章,是一篇对于本人而言比较实用轻便的文章,如您需要更详细的介绍,以下链接的文章相比最适合您,而且网络知识要非常扎实才能理解透彻: tcpdump详细介绍 简介:用 ...

  3. Normalize.css与CSS reset区别

    Normalize.css 只是一个很小的CSS文件,但它在默认的HTML元素样式上提供了跨浏览器的高度一致性.相比于传统的CSS reset,Normalize.css是一种现代的.为HTML5准备 ...

  4. java 获取今天,昨天,上个月的日期

    获取今天,昨天,上个月的日期 的方法: Calendar cal = Calendar.getInstance(); //获取今天的日期 cal.setTime(new Date()); int ye ...

  5. puma(5300✨) Rails的一个多线程,高并发处理的web server

    https://github.com/puma/puma 在开发和产品环境下,Puma是一个简单,快速,多线程,并高并发highly concurrent HTTP1.1server for Ruby ...

  6. Codeforces Round #409

    第一题很水但是wa了一发,因为没考虑K前面是K的情况 #include<map> #include<set> #include<cmath> #include< ...

  7. 十九 Python分布式爬虫打造搜索引擎Scrapy精讲—css选择器

    css选择器 1. 2. 3.  ::attr()获取元素属性,css选择器 ::text获取标签文本 举例: extract_first('')获取过滤后的数据,返回字符串,有一个默认参数,也就是如 ...

  8. Linux内建命令和外部命令

    Linux命令有内部命令(内建命令)和外部命令之分,内部命令和外部命令功能基本相同,但也有些细微差别. [内部命令 vs. 外部命令] (1)内部命令实际上是shell程序的一部分,其中包含的是一些比 ...

  9. 初次安装git配置用户名和邮箱及密钥

    在Windows上安装Git: 在Windows上使用Git,可以从Git官网直接下载安装程序,(网速慢的同学请移步国内镜像),然后按默认选项安装即可. 安装完成后 键盘敲上:windows+r你会看 ...

  10. 转:HDFS运行原理

    简介 HDFS(Hadoop Distributed File System )Hadoop分布式文件系统.是根据google发表的论文翻版的.论文为GFS(Google File System)Go ...