E - Erasing Vertices 2 做法1 观察可得：对于某个时刻，贪心删当前代价最小的点肯定是最优的。 但是删一个点会减少相邻接的点的代价。然后就想到了堆，但是这个堆需要支持decrease-key操作。 decrease-key 这个操作std::priority_queue并不支持，但是其实二叉堆也能做到 \(O(\log n)\)。
#include <bits/stdc++.h> #define debug(x) std::cerr << "[" << __LINE__ << "]: " << #x << " = " << x << "\n" using i64 = long long; #define UP 1 #define DOWN -1 #de
2021CCPC威海 M.810975 题意：问构造出长度为 \(n\) 的01串，有 \(m\) 个1，其中最长连续 \(1\) 的段长度恰好为 \(k\) 的方案数。 知识点：容斥，多项式快速幂 先推荐一个类似的题目 HDU6397 Character Encoding 这题有两种方法，先说简单的那种 可以先解决将 \(m\) 个 \(1\) 插入到 \(n - m
C.Easy Counting Problem 感谢 Pedestrian1 的指导 题意：\(q\) 次询问，每次问在一定约束条件下构造出长度为 \(n\) 的序列的方案数，只能用 \(w\) 种数字构造，且每种数字至少使用 \(c_i\) 次 知识点：多项式，生成函数 首先知道这个是要使用EGF的相关生成函数解决，然后我们先推式子 设对于数
效果如下： 代码如下： double leftview[4] = {0,0, 0.5,1}; // double midview[4] = {0.33,0, 0.66,1}; double rightview[4] = {0.5,0, 1.0,1}; vtkSmartPointer<vtkJPEGReader> reader = vtkSmartPointer<vtkJPEGReader>::New(); reader->S
题目大意 输入n,w,h(1<=n<=10,1<=w,h<=n).求能放在w*h网格里的不同的n连块的个数(平移,旋转,翻转算一种) 首先，方法上有两个，一是打表，dfs构造连通块，枚举出来后再进行判重，另一种就是直接枚举每种连通块，保证每种连通块只枚举一次（这个方法还不会。。但可以访问en.wikipedia.org/wi
拉格朗日反演 多项式复合：\(F(G(x))=x\)，则称\(F(x)\)与\(G(x)\)互为复合逆 存在条件：\([x^0]F(x)=0\)，\([x^1]F(x)\ne 0\) 拉格朗日反演： \([x^n]G(x)=\frac{1}{n}[x^{-1}](\frac{1}{F(x)})^n\) 但由于\([x^0]F(x)=0\)无法求逆，所以更通用的是：\([x^n]G(x)=\frac{1}{n}[x^{n-1}](\frac
点击查看代码 import math import numpy as np import torch from torch import nn from d2l import torch as d2l # 生成数据集 max_degree = 20 # 多项式的最大阶数 n_train, n_test = 100, 100 # 训练和测试数据集大小 true_w = np.zeros(max_degree) # 分配大量的空间 tr
Description \(3\leq n\leq 8,2\leq L \leq 10^9,1\leq X<Y\leq L,1\leq K \leq n\) Solution 显然最大的数和其他的数字可以分开处理 , 即先计算出其他数字的和再计算最大值的取值方案 . 考虑用容斥解决相同最多 \(K\) 个的限制 . 考虑把 \(n-1\) 各元素分成若干个子集 , 每个子
相关知识以后补，先存份代码。 #include <set> #include <map> #include <queue> #include <cmath> #include <cstdio> #include <cstring> #include <iostream> #include <algorithm> #define pii pair <int , int> #define mp make
多项式工业基础与全家桶 开坑待填，放个常数巨大的板子先 #define Maxn 200005 #define mod 998244353 inline int ksm(int x,int y=mod-2) { int ret=1; for(;y;y>>=1,x=1ll*x*x%mod) if(y&1) ret=1ll*ret*x%mod; return ret; } const int G=3,invG=ksm(3,mod-2); int tr[Maxn<<
2022北航OO第一单元总结 第一次作业 第一次作业因子仅包含常数（带符号及前导0），幂函数（指数非负，包含省略形式）和表达式因子；项由乘号连接的若干因子组成（第一个因子前可带一个符号）；表达式由加号或减号连接的若干项组成（第一项前可带一个符号）。同时声明了如空白字符等输入表达式的形式限制及
符号意义 p , q p,q p,q大素数
link Solution 我们可以考虑把整个图分成若干个独立集（可以证明个数 \(\le \sqrt m\)），然后考虑独立集之间查询边，然后你发现查询两个独立集之间的边的话我们可以通过递归，据说复杂度挺对的。 Code #include "meeting.h" #include <bits/stdc++.h> using namespace std; #define Int r
丢个好看一点的\(poly\)板子 多项式求逆 ln exp #include<bits/stdc++.h> #define N 800050 #define sz(x) ((int)x.size()) #define poly vector<int> #define mod 998244353 using namespace std; int add(int x, int y) { x += y; if(x >= mod) x -= mod; re
一，链表一元多项式 题目如下: 自定义一元多项式中的“项”结构，自定义一元多项式的链表结构。 设计函数Add(……)，用于实现两个多项式的加法运算。 编写main()函数，分别读入两个多项式的数据，创建两个多项式链表。利用Add等函数，实现两个多项式的加法运算，并输出“多项式之和”的数据。
/// <summary> /// 要素删除节点 /// </summary> /// <param name="selectedFeature">被选中的要素</param> /// <param name="deleteCoord">节点坐标</param> 1 private void DeleteVertex(IFeature
Description Luogu传送门 Solution 不难发现，将其中一个手环中所有装饰物的亮度增加一个相同的非负整数 \(c\)，可以转化成对其中一个手环增加 \(c\ (c \in Z)\)。那么最终的差异值就是： \[\sum\limits_{i = 1}^{n}(a_i - b_i + c)^2 \]把平方拆开： \[\sum\limits_{i = 1}^{n}a_i^2 + b
一、TIA15管道流水动画(水平管道) 首先在HMI里定义3个内部变量：方向waterflowdirection(bool)、启停waterflowstart(bool)速度waterflowspeed(usint) 1. 画一条折线，用折线代表流水 1) 属性→其他→名称，折线命名为poly01 2) 属性→布局→当前角点索引设置为1 3) 属性→布局→当前
大家好，我是木南 分子动力学软件诸多，包括： 1. LAMMPS LAMMPS即Large-scale Atomic/Molecular Massively Parallel Simulator，可以翻译为大规模原子分子并行模拟器，主要用于分子动力学相关的一些计算和模拟工作，一般来讲，分子动力学所涉及到的领域，LAMMPS代码也都涉及到了。LAMMPS可以
定义与公式 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 通用公式： h ( w
float mindist = 999999.9; int index = -1; for(int i = 0; i< npoints(1); i++) { vector pos = point(1, 'P', i); //float distance = sqrt(pow(pos.x - @P.x, 2)+pow(pos.z - @P.z,2)); float distance = abs(pos.x - @P.x)+abs( pos.z -
题意 给定一个长为\(n\)的序列\(\{a_i\}\)，等概率随机一个长为\(n\)的排列\(\{p_i\}\)，求\(\{a_{p_i}\}\)的后缀积的和的期望。 \(1\le n\le 10^5,1\le a_i\le 10^9\) 题解 答案即为 \[\frac{1}{n!}\sum_{p}\sum_{i=1}^{n}\prod_{j\ge i}a_{p_{j}}. \]我们考虑一个长为\(k\)的项\(\p
ML实战：线性回归+多项式回归 本次实验采用的数据集是sklearn内置的波斯顿房价数据集 代码实现 from sklearn import datasets from sklearn.linear_model import LinearRegression import numpy as np from sklearn.model_selection import train_test_split from sklearn.prepro
第三方包安装 pip install pyclipper 1. 轮廓点等距离外扩 def equidistant_zoom_contour(contour, margin): """ 等距离缩放多边形轮廓点 :param contour: 一个图形的轮廓格式[[[x1, x2]],...],shape是(-1, 1, 2) :param margin: 轮廓外扩的像素距离，margin正数是
