常州大学新生寒假训练会试 - (E,G,H)

2023-11-06 23:32

本文主要是介绍常州大学新生寒假训练会试 - (E,G,H),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

中午忘了这个比赛,晚了两个小时才打的,A了8题,感觉G题还不错,G题是队里的TaylorLi大佬用Taylor公式做出来的,Orz。E题说是数学题,只能说是个高中数学题,H题明明按题意做就行不知为什么大家都WA,可能卡到了什么细节。

E 这是一个数学题
解析:

对公式两边的阶乘化简的到公式:Ai=A0*(n-i)/n+An/n;

题中说数据保证了对于Ai的每一项都是整数,那么可得A0和An都是n的倍数,

于是令A0'=A0/n、An'=An/n,原公式变为:Ai=A0'*n+(An'-A0')*i

由于利用等差数列公式:[1,n]的和等于n*(1+n)/2,

得∑ (l<=i<=r)Ai=A0'*n*(r-l+1)+(r*(1+r)/2-(l-1)*(1+l-1)/2)*(An'-A0');

代码:

#include<iostream>
#include<string>
#include<cstdio>
#include<algorithm>
#include<cmath>
#include<iomanip>
#include<queue>
#include<cstring>
#include<map>
using namespace std;
typedef long long ll;
#define M 5005
ll n,a0,an;
int l,r,Q;int main()
{//int i;ll ans,res;scanf("%lld%lld%lld%d",&n,&a0,&an,&Q);a0=a0/n; an=an/n;while(Q--){scanf("%d%d",&l,&r);res=r*(1+r)/2;res-=(l-1)*(l)/2;ans=a0*n*(r-l+1)+(an-a0)*res;printf("%lld\n",ans);}return 0;
}

G 零下e度
利用泰勒展开式:e^x=1+(1/1!)*x+(1/2!)*x^2+(1/3!)*x^3+...+(1/n!)*x^n+O(x^n+1)

因为求n!/e所以令x=-1得到公式这里加到第n+1项就ok了,最终可以直接得到一个整数。

代码:

#include<iostream>
#include<cmath>
#include<cstring>
#include<algorithm>
#include<cstdio>
#include<string>
using namespace std;
typedef long long ll;
#define mod 998244353
const double e=exp(1.0);
ll qpow(ll a,ll b)
{ll ans=1;for (;b;a=a*a%mod,b>>=1)if (b&1)ans=ans*a%mod;return ans;
}
int main()
{ll n,i;while(scanf("%lld",&n)!=EOF){if(n<=3){ll ans=1;for(i=1;i<=n;i++){ans*=i;}cout<<int(ans/e)<<endl;}else{ll ans=0;ll fun=1;ll temp;if(n%2){temp=1;ans=-1;}else{temp=-1;ans=1;}for(i=n;i>=3;i--) //从后往前加{fun=fun*i%mod;ans=(ans+temp*fun)%mod;temp=-temp;}cout<<(ans+mod)%mod<<endl;}}
}


H 酸碱滴定
按题意做就ok

代码:

#include<iostream>
#include<string>
#include<cstdio>
#include<algorithm>
#include<cmath>
#include<iomanip>
#include<queue>
#include<cstring>
#include<map>
using namespace std;
typedef long long ll;
#define exp 0.000001
double a,b,c;
double ans;int main()
{int T;scanf("%d",&T);while(T--){scanf("%lf%lf%lf",&a,&b,&c);ans=a*c/b;ans=ans*10000;ll temp=ans;bool f=false;if(fabs(ans-1.0*temp)>exp)f=true;   //后面有数int t1,t3;t1=(temp/10)%10; //百位//t2=temp%10;      //个位t3=(temp/100)%10;//千位if(t1<=4){temp=temp-temp%100;}else if(t1>=6){temp=temp-temp%100+100;}else{if(f){temp=temp-temp%100+100;}else{if(t3&1)temp=temp-temp%100+100;elsetemp=temp-temp%100;}}cout<<fixed<<setprecision(2)<<(1.0*temp/10000)<<endl;}return 0;
}

这篇关于常州大学新生寒假训练会试 - (E,G,H)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/359739

相关文章

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

多云架构下大模型训练的存储稳定性探索

一、多云架构与大模型训练的融合 (一)多云架构的优势与挑战 多云架构为大模型训练带来了诸多优势。首先,资源灵活性显著提高,不同的云平台可以提供不同类型的计算资源和存储服务,满足大模型训练在不同阶段的需求。例如,某些云平台可能在 GPU 计算资源上具有优势,而另一些则在存储成本或性能上表现出色,企业可以根据实际情况进行选择和组合。其次,扩展性得以增强,当大模型的规模不断扩大时,单一云平

神经网络训练不起来怎么办(零)| General Guidance

摘要:模型性能不理想时,如何判断 Model Bias, Optimization, Overfitting 等问题,并以此着手优化模型。在这个分析过程中,我们可以对Function Set,模型弹性有直观的理解。关键词:模型性能,Model Bias, Optimization, Overfitting。 零,领域背景 如果我们的模型表现较差,那么我们往往需要根据 Training l

[SWPUCTF 2021 新生赛]web方向(一到六题) 解题思路,实操解析,解题软件使用,解题方法教程

题目来源 NSSCTF | 在线CTF平台因为热爱,所以长远!NSSCTF平台秉承着开放、自由、共享的精神,欢迎每一个CTFer使用。https://www.nssctf.cn/problem   [SWPUCTF 2021 新生赛]gift_F12 这个题目简单打开后是一个网页  我们一般按F12或者是右键查看源代码。接着我们点击ctrl+f后快速查找,根据题目给的格式我们搜索c

如何创建训练数据集

在 HuggingFace 上创建数据集非常方便,创建完成之后,通过 API 可以方便的下载并使用数据集,在 Google Colab 上进行模型调优,下载数据集速度非常快,本文通过 Dataset 库创建一个简单的训练数据集。 首先安装数据集依赖 HuggingFace datasetshuggingface_hub 创建数据集 替换为自己的 HuggingFace API key

【YOLO 系列】基于YOLOV8的智能花卉分类检测系统【python源码+Pyqt5界面+数据集+训练代码】

前言: 花朵作为自然界中的重要组成部分,不仅在生态学上具有重要意义,也在园艺、农业以及艺术领域中占有一席之地。随着图像识别技术的发展,自动化的花朵分类对于植物研究、生物多样性保护以及园艺爱好者来说变得越发重要。为了提高花朵分类的效率和准确性,我们启动了基于YOLO V8的花朵分类智能识别系统项目。该项目利用深度学习技术,通过分析花朵图像,自动识别并分类不同种类的花朵,为用户提供一个高效的花朵识别