HTB--Trick image-20220912130025931 1. 约等于无用功 微信公众号：小惜渗透，欢迎大佬一起交流进步 首先扫描全端口，发现是linux系统，开放着22端口并且还有个80端口，既然存在http服务那我就去网站看一下 image-20220912131006450 就这一个页面毛都没有，既然找不到功能点，那就扫描下
2022.8.28 百度之星初赛二(link) 1 2 3 4 5 7 1：双指针（我写了线段树。。。） 2：数学题，发现一些性质 3：easy 的树形 dp 4：最短路+离线+bitset 5：最小生成树 7：组合计数 CF1715(link) ABCD A：直接观察 B：贪心构造 C：计数，考虑相邻两个数相同会产生什么贡献（算贡献大法） D：贪心，图论建模，按位考虑 CF15
\[\texttt{Foreword} \]记录一些自认为还不错的小 \(Trick\)。 \[\texttt{Tricks} \] SP26308 MAXI - Get higher and higher & CF1677E Tokitsukaze and Beautiful Subsegments 启发式分裂。 P2466 [SDOI2008] Sue 的小球 & P5785 [SDOI2012]任务安排 费用提前。 \[\texttt{To
感觉很常见啊啊啊啊啊啊啊 有印象的好像见了 4 次，2 次想出来了。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 就是考虑抽象每个数的可选择区间，考虑构造一个合法的匹配。 那么考虑从选择区间小的开始试，因为选择区间大的可选的更多嘛。 正确性
倘若一类高维限制 \(f[i+1][]...[]=\sum k*f[i][]...[]\)，是不是可以把后面一堆维抽象成一个点，\(k\) 抽象成经过当前 2 个点间有 \(k\) 条边，或者一条边但有 \(k\) 种经过的方式（跑着，爬着，走着……），那么是不是每次转移相当于多经过一条边。答案相当于从起点到终点的方案数？ 广义地，甚至还
Slope Trick 算法存在十余载了，但是我没有找到多少拍手叫好的讲解 blog，所以凭借本人粗拙的理解来写这篇文章。 本文除标明外所有图片均为本人手绘（若丑见谅），画图真的不容易啊 qwq（无耻求赞）。 Slope Trick 是啥？ 凸代价函数DP优化。 具体哪种题目？ AcWing273. 分级 CF713C Sonya and Prob
平方变两次 一个状态 \(S\) 有一个贡献，所有状态 \(S\) 组成集合 \(U\) . 然后我们要统计下面这个东西 \[ans=\sum_{S\in U}f^2(S) \]然后我们就可以看作是选两个 \(U\) 里的 \(S_1, S_2\)，然后 \(S_1=S_2\) 的方案数 . 这样就把一个带平方的贡献问题转化成一个简单的选择了 . 让我
CF1290F Making Shapes 考虑凸包，向量集合确定了就能确定唯一凸包。 考虑向量加法转化到最后就是 \(\sum_{x_i>0}c_ix_i=-\sum_{x_i<0}c_ix_i,\sum_{y_i>0}c_iy_i=-\sum_{y_i<0}c_iy_i,\sum_{x_i>0}c_ix_i\le m,\sum_{y_i>0}c_iy_i \le m\) 这里 trick 就是用数位 dp 的方式去解决
原理 当序列 DP 的转移代价函数满足 连续； 凸函数； 分段线性函数. 时，可以通过记录分段函数的最右一段 \(f_r(x)\) 以及其分段点 \(L\) 实现快速维护代价的效果。 如：$ f(x)= \begin{cases} -x-3 & (x \le -1) \ x &( -1 < x\le1)\ 2x-1 &(x > 1)\end{cases} $ 可以仅记录 \(f_r(x
"Trick Light \ <br><br>\ <br>--单色操作\ <br>--关于\ <br>--操作说明\
数论 筛法 埃氏筛复杂度 $O(nloglogn)$。奇快无比。 容斥原理 minmax容斥同时适用于期望。2. 容斥原理的逆向使用，将容斥形式的式子转化为判断属性的式子3. 如果大力讨论的难度较小。可以试试容斥。 思路技巧 不行就随机化。 数据结构 区间数颜色问题 题目1： 给定长度为 $n$
遍历整个列表 假设我们有一个名单，需要将其中每个名字打印出来。上一节，我们是分别获取每个元素的索引，然后打印名字。如果名单很长很长，就需要大量重复代码。此时可以用到for循环。 magicians = ['alice', 'david', 'carolina'] for magician in magicians: print(magician) 输
Truncation trick 是指：通过 重新采样 幅度高于所选阈值的值来截断隐向量z导致个体样品质量的改善，但代价是多样性下降。对于一个特定的生成网络，该技术允许对真实性和多样性的平衡进行细致的后验选择。
列表推导式 语法： 变量名 = [表达式 for 变量 in 列表 for 变量 in xxx] 变量名 = [表达式 for 变量 in 列表 if 条件] 快速创建一个包含元素1-10的列表 list1 = [i for i in range(1, 11)] print(list1) 运行结果： [1,2,3,4,5,6,7,8,9,10] 快速创建一个包含1-10之间所
写给自己的一点复习与总结 （主要是今天高强度盯着东西罚坐以及晚上和d*h battle了很久，所以来写点东西） （话说，最近用onenote记东西习惯了，一下子有点不适应） spole trick 当一些dp直接进行复杂度不可接受的时候，如果这个dp的斜率都是单调递增（或递减的），并且都是整数，那么我们可以考虑这
后缀数组 字符串入门算法，碰到过好多次了，一直没学，今天来拾掇一下。 实现 这里不赘述实现原理，想知道的可以去看 罗穗骞的论文 后缀数组——处理字符串的有力工具 一、倍增实现 O ( n
原题链接 分析 这题蛮简单的，就不多说什么了。 记录的主要原因是，有个比较有意思的小用法。 如果图是一个基环树森林，这时，我们要求的是，对于其中每个点，从该点出发最多能过多少个不重复的点。可以跑一个tarjan，接下来，就在跑出来的拓扑图上，跑一个最长路就得到答案了 Ac_code #include<bit
定义与性质 \(\rm slope \ trick\) 通常用于维护 「线性分段凸函数」（如下图） 的相关转移 \(\rm dp\)。 形式化地说，其可以维护的函数 \(f(x)\) 满足：\(f(x)\) 在整数域上为连续凸函数，且考虑 \(f(x)\) 分段的断点 \(x_0, x_1, x_2, \cdots x_k, x_{k + 1} \in \mathbb{N}, x_0 = -\in
1、基础数据增强 数据增强也叫数据扩增，意思是在不实质性的增加数据的情况下，让有限的数据产生等价于更多数据的价值。 【1】几何变换类 几何变换类即对图像进行几何变换，包括翻转，旋转，裁剪，变形，缩放等各类操作 【2】 颜色变换类等 常见的包括噪声、模糊、颜色变换、擦除、填充 Au
被 ABC 的 H 题杀没了（虽然憨包 G 我也没切/ll），于是过来学一下 slope trick，发现自己曾经接触过，可是基本没有深入，这就是我的知识掌握程度吗？麻了。 感觉 slope trick 的题目代码都比较简单，重在思维。 ABC217H Snuketoon CF1229F Mateusz and Escape Room CF713C Sonya and Problem Wih
1001.Bookshop 题意 给定一棵树，树上的点有点权\(a_{i}\)，每次给出一个询问\(x,y,w\)，表示对于一条从\(x\)到\(y\)的路径上的每个点做一次判定，若该点\(a_{i}\geq w\)，则使\(w=w-a_{i}\)，否则不做操作，最后查询走完路径后\(w\)的权值。 关键trick （markdown还不太会，摆烂）这题我们第
线性代数小trick 行列式： ∣ a i j ∣ n
目录 I. Introduction II. Content Trick 1. 检查字符串是否可以有效地转化为数字 Trick 2. 将一个较大的数据类型存储在较小的类型中 I. Introduction 对任何程序来说，数据都是最基础的东西。无论你是想做销售系统，或者财务系统，乃至于学校成天要你做的图书管理系统（比如武汉理工），
分享一个Spring Boot中关于%2e的小Trick。先说结论，当Spring Boot版本在小于等于2.3.0.RELEASE的情况下， alwaysUseFullPath 为默认值false，这会使得其获取ServletPath，所以在路由匹配时相当于会进行路径标准化包括对 %2e 解码以及处理跨目录，这可能导致身份验证绕过。而反过来由于
分享一个Spring Boot中关于%2e的小Trick。先说结论，当Spring Boot版本在小于等于2.3.0.RELEASE的情况下， alwaysUseFullPath 为默认值false，这会使得其获取ServletPath，所以在路由匹配时相当于会进行路径标准化包括对 %2e 解码以及处理跨目录，这可能导致身份验证绕过。而反过来由于
