• 凡喵识图 / Image Recognition(鸽笼原理)(模拟)


    凡喵识图 / Image Recognition

    题目大意

    给你一些 2^64 大小的数,然后每插入一个数之前,询问原本有多少个数的二进制跟它的二进制恰好有三位不同。

    思路

    首先不难想出 (O(64^3n))(50) 分 Trie 树做法。
    然后你就似乎没有头绪了。

    然后你会看到数据具有随机性。
    然后你就想到数很均摊。
    那你考虑用一些方法暴力搞,优化的暴力搞。

    然后我们考虑用鸽笼原理来优化。
    什么意思呢,我们把数分成四个部分,每个 (16) 位二进制。
    那你要恰好只有 (3) 位不同,那就一定要有一块是一模一样的。

    那你就有思路了,你放进去的时候找前面有多少个数的这个块跟它一样。(我这里用邻接表把所有这样的数接在一起)
    然后你就只跟这些数匹配,由于数据有均摊性,所以相同的会很少。
    (匹配暴力匹配就可以了)
    然后找出来之后把自己放进去。

    然后你匹配的时候要记得去重。

    然后就过了,没错,就是这么神奇,就是这么暴力。

    代码

    #include<cstdio>
    #include<algorithm>
    #define ll unsigned long long
    
    using namespace std;
    
    struct node {
    	ll x;
    	int to, nxt;
    }e[600001];
    int n, ans, le[5][70001], a[150001], KK;
    ll X[150001];
    
    void insert1(ll x, int y) {
    	e[++KK] = (node){x, y, le[1][x]}; le[1][x] = KK;
    }
    
    void insert2(ll x, int y) {
    	e[++KK] = (node){x, y, le[2][x]}; le[2][x] = KK;
    }
    
    void insert3(ll x, int y) {
    	e[++KK] = (node){x, y, le[3][x]}; le[3][x] = KK;
    }
    
    void insert4(ll x, int y) {
    	e[++KK] = (node){x, y, le[4][x]}; le[4][x] = KK;
    }
    
    bool work(int x, int y) {//匹配
    	int num = 0;
    	for (int i = 0; i < 64; i++)
    		if (((X[x] >> i) & 1) ^ ((X[y] >> i) & 1))
    			num++;
    	return num == 3;
    }
    
    int main() {
    	freopen("hashing.in", "r", stdin);
    	freopen("hashing.out", "w", stdout);
    	
    	scanf("%d", &n);
    	for (int i = 1; i <= n; i++) {
    		scanf("%llud", &X[i]);
    		ans = 0;
    		a[0] = 0;
    		//分成四块都处理
    		int xx = X[i] % (1ll << 16);
    		for (int j = le[1][xx]; j; j = e[j].nxt)
    			a[++a[0]] = e[j].to;
    		insert1(xx, i);
    		xx = (X[i] >> 16) % (1ll << 16);
    		for (int j = le[2][xx]; j; j = e[j].nxt)
    			a[++a[0]] = e[j].to;
    		insert2(xx, i);
    		xx = (X[i] >> 32) % (1ll << 16);
    		for (int j = le[3][xx]; j; j = e[j].nxt)
    			a[++a[0]] = e[j].to;
    		insert3(xx, i);
    		xx = X[i] >> 48;
    		for (int j = le[4][xx]; j; j = e[j].nxt)
    			a[++a[0]] = e[j].to;
    		insert4(xx, i);
    		
    		sort(a + 1, a + a[0] + 1);
    		a[0] = unique(a + 1, a + a[0] + 1) - a - 1;//去重(不过你完全可以用一个桶来记录)
    		for (int j = 1; j <= a[0]; j++)//一一判断
    			if (work(a[j], i)) ans++;
    		
    		printf("%d
    ", ans);
    	}
    	
    	fclose(stdin);
    	fclose(stdout);
    	
    	return 0;
    }
    
  • 相关阅读:
    CFA 投资学 6.有效性市场假说 EMH Efficient Market Hypothesis
    CFA 投资学 1.投资学背景知识
    CFA 投资学 3.资产配置 separation property
    Kafka KafkaKraft模式
    量化 多因子策略3 : 回测选股
    Kafka KafkaEagle(EFAK)监控
    CFA 财务分析与估值 5.对企业价值的再认识
    CFA 投资学 2.股权的风险度量:index编纂,二次效用方程,VAR
    CFA 财务分析与估值 4.乘数法估值
    CFA 投资学 4.资本资产定价理论CAPM Capital Asset Pricing Model
  • 原文地址:https://www.cnblogs.com/Sakura-TJH/p/jzoj_5101.html
Copyright © 2020-2023  润新知