博客
关于我
省选测试6
阅读量:443 次
发布时间:2019-03-06

本文共 405 字,大约阅读时间需要 1 分钟。

T1和T2考试的时候,感觉题目有点难,直接暴力可能不太行,就打了两个暴力。不过后来发现其实问题本身并不难,可能只是自己想复杂了。T3考试的时候发现p的值只有两个,于是直接打表解决了。对于p=2017的情况,通过筛选满足特定条件的质数,然后计算它们的倍数。

分析部分提到暴力方法在处理1e9数据时不可行,离散化和BFS是一种更高效的方法。通过离散化,将连续的线段拆分成离散的点,避免特判,减少复杂度。代码部分使用了C++,包括队列、地图和算法库,实现了离散化和BFS遍历。

B题的暴力搜索在n+m-1大于k时无解,加剪枝优化后可以快速解决。C题的问题在于约数和的奇偶性,特别是处理p=2和p=2017的情况,需要使用Miller-Rabin素性测试来快速判断质数。

总的来说,解决这些问题需要理解问题本身,分析暴力方法的不足,思考如何优化算法,可能采用图遍历、动态规划、数论方法等,最后编写高效的代码来解决问题。

转载地址:http://qzvyz.baihongyu.com/

你可能感兴趣的文章
opencv Mat push_back
查看>>
opencv SVM分类Demo
查看>>
opencv videocapture读取视频cap.isOpened 输出总是false
查看>>
opencv waitKey() 函数理解及应用
查看>>
OpenCV 中的图像转换
查看>>
OpenCV 人脸识别 C++实例代码
查看>>
OpenCV 在 Linux 上的 python 与 anaconda 无法正常工作.收到未实现 cv2.imshow() 的错误
查看>>
Opencv 完美配置攻略 2014 (Win8.1 + Opencv 2.4.8 + VS 2013)上
查看>>
opencv 模板匹配, 已解决模板过大程序不工作的bug
查看>>
OpenCV 错误:(-215)size.width>0 &&函数imshow中的size.height>0
查看>>
opencv&Python——多种边缘检测
查看>>
opencv&python——高通滤波器和低通滤波器
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv1-加载、修改、保存图像
查看>>
opencv10-形态学操作
查看>>
opencv11-提取水平直线和垂直直线
查看>>
opencv12-图像金字塔
查看>>
opencv14-自定义线性滤波
查看>>
opencv15-边缘处理
查看>>
opencv16-Sobel算子
查看>>