寒假思维训练day22 D. Divisible Pairs

2024-02-15 19:36

本文主要是介绍寒假思维训练day22 D. Divisible Pairs,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!

更新一道赛时想了很久才想通的题。

链接:Problem - 1931D - Codeforces


 

Part1 题意:

给定一个长度为n的数组a, 再给定两个整数x, y, 其中x,y,a[i] \epsilon [1, 1e9], 定义取两个不同索引i, j, 满足1 <= i < j <= n, (a[i] + a[j]) \% x == 0, (a[i] - a[j]) \% y == 0的为美丽对,问数组中有几个这样的美丽对。


Part2 题解:

最开始的想法是将两个方程化简得:2a[i] = k*x + b*y,2*a[j] = k*x-b*y,能不能通过扩展欧几里得求出解带入看后面有几个a[j]满足,但实际上,k, b系数的组合是有无数种的,并不是唯一的,所以不能通过扩展欧几里得来得到,那我们考虑余数相消的情况(因为最后%值为0,余数为0),记录所有数对x的余数r,其的相反数和对y的余数r_,当枚举到时我们先删除,然后找x - r和y - r_,注意r为0的时候要多一种0的组合,具体在代码实现中很清楚。


Part3  代码:

#include <bits/stdc++.h>
#define int long long 
#define ff first 
#define ss second 
using namespace std; 
using PII = pair<int, int>; 
const int N = 1e6 + 10, inf=0x3f3f3f3f; 
int n, x, y; 
int a[N]; 
void solve() {cin >> n >> x >> y; map<PII, int> mp; for(int i = 1; i <= n; i ++ ) {cin >> a[i]; int t1 = (a[i] % x + x) % x, t2 = (-a[i] % y + y) % y;mp[{t1, t2}] ++;}int ans = 0; for(int i = 1; i <= n; i ++ ) {int t1 = (a[i] % x + x) % x, t2 = (-a[i] % y + y) % y;mp[{t1, t2}] --; t2 = (a[i] % y + y) % y; int u1[5], u2[5], c1 = 0, c2 = 0;  u1[++ c1] = x - t1, u2[++ c2] = y - t2; if(!t1) u1[++ c1] = 0;if(!t2) u2[++ c2] = 0; for(int j = 1; j <= c1; j ++ ) for(int k = 1; k <= c2; k ++ ) ans += mp[{u1[j], u2[k]}]; }cout << ans << endl; 
}
signed main() {int ts; cin >> ts; while(ts--) {solve(); }return 0;
}

这篇关于寒假思维训练day22 D. Divisible Pairs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/712331

相关文章

leetcode-24Swap Nodes in Pairs

带头结点。 /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode(int x) { val = x; }* }*/public class Solution {public ListNode swapPairs(L

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

颠覆你的开发模式:敏捷思维带来的无限可能

敏捷软件开发作为现代软件工程的重要方法论,强调快速响应变化和持续交付价值。通过灵活的开发模式和高效的团队协作,敏捷方法在应对动态变化和不确定性方面表现出色。本文将结合学习和分析,探讨系统变化对敏捷开发的影响、业务与技术的对齐以及敏捷方法如何在产品开发过程中处理持续变化和迭代。 系统变化对敏捷软件开发的影响 在敏捷软件开发中,系统变化的管理至关重要。系统变化可以是需求的改变、技术的升级、

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

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