NOIP2023模拟10联测31 涂鸦

题目大意

有一面由 n × m n\times m n×m个格子组成的墙,每个格子要么是黑色,要么是白色。你每次将会进行这样的操作:等概率随机选择一个位置 ( x , y ) (x,y) (x,y)和一个颜色 c c c(黑色或白色),( 1 ≤ x ≤ n , 1 ≤ y ≤ m 1\leq x\leq n,1\leq y\leq m 1xn,1ym,选择任意 ( x , y , c ) (x,y,c) (x,y,c)的组合的概率都是 1 2 n m \dfrac{1}{2nm} 2nm1),然后将 ( x , y ) (x,y) (x,y)左上角的所有格子的颜色都涂成 c c c,也就是将所有满足 1 ≤ x ′ ≤ x , 1 ≤ y ′ ≤ y 1\leq x'\leq x,1\leq y'\leq y 1xx,1yy的格子 ( x ′ , y ′ ) (x',y') (x,y)的颜色涂成 c c c。次操作的代价为涂的格子的数量,即 x × y x\times y x×y。给定初始状态和终止状态,问期望要花费多少代价才能将墙面从初始状态涂成终止状态。

1 ≤ n , m ≤ 5 1\leq n,m\leq 5 1n,m5


题解

看到 n n n m m m都比较小,我们考虑用状压 D P DP DP。设 f s f_s fs表示当前墙面的状态为 s s s时要到最终状态的期望代价,可以列出 2 n m 2^{nm} 2nm个方程,用高斯消元解方程即可。

这样做的时间复杂度为 O ( 2 3 n m ) O(2^{3nm}) O(23nm),我们考虑优化。

我们考虑减少状态的数量。我们发现,如果一个位置的右下角的某个位置与最终状态不同,则这个位置一定会被修改,那这个位置当前的值就不重要了。

p i , j p_{i,j} pi,j表示 ( i , j ) (i,j) (i,j)右下角的位置是否已经全部变得和终止状态一样,可以发现 p i , j p_{i,j} pi,j 1 1 1的状态一定在右下角呈阶梯状的。举个例子:

在这里插入图片描述
其中橙色部分为 p i , j = 1 p_{i,j}=1 pi,j=1的格子。

那么,总状态数为 ( n + m n ) \binom{n+m}{n} (nn+m)。我们可以用 d f s dfs dfs求出所有可能的状态。

对于每个状态,我们考虑它能到达哪些状态。我们将每种状态中 p i , j = 1 p_{i,j}=1 pi,j=1的格子设为与终止状态相同, p i , j = 0 p_{i,j}=0 pi,j=0的格子设为与终止状态相反。然后将左上角的一个矩形全部变为黑色或白色,再判断改变颜色后的状态是什么状态。

用上述方法求出转移方程,再用高斯消元求解即可。

时间复杂度为 O ( ( n + m n ) 3 ) O(\binom{n+m}{n}^3) O((nn+m)3) ( n + m n ) \binom{n+m}{n} (nn+m)的最大值为 252 252 252,是可以过的。

code

#include<bits/stdc++.h>
using namespace std;
const long long mod=998244353;
int n,m,S,bg=0,ed=0,sum=0,tot=0,w[10][10];
long long ans=0,a[305][305];
char s[10][10],t[10][10];
array<int,5>v;
map<array<int,5>,int>mp;
void init(){S=(1<<n*m)-1;for(int i=0;i<n;i++){for(int j=0;j<m;j++){for(int x=0;x<=i;x++){for(int y=0;y<=j;y++){w[i][j]|=1<<(x*m+y);}}}}for(int i=1;i<=n;i++){for(int j=1;j<=m;j++){sum+=2*i*j;}}
}
void dfs(int t,int now){if(t==n){mp[v]=++tot;return;}for(int i=now;i<=m;i++){v[t]=i;dfs(t+1,i);}
}
int gtid(int s){array<int,5>b;for(int i=0;i<5;i++) b[i]=0;for(int i=0;i<n;i++){b[i]=m;for(int j=0;j<m;j++){int wt=(s>>(i*m+j))&1;if(wt==(t[i][j]=='W')) b[i]=m-j-1;}}for(int i=n-2;i>=0;i--) b[i]=min(b[i],b[i+1]);return mp[b];
}
long long mi(long long t,long long v){if(!v) return 1;long long re=mi(t,v/2);re=re*re%mod;if(v&1) re=re*t%mod;return re;
}
void gauss(){for(int i=1;i<=tot;i++){for(int j=i;j<=tot;j++){if(a[j][i]){swap(a[j],a[i]);break;}}for(int j=1;j<=tot;j++){if(i==j) continue;long long dv=(mod-1)*a[j][i]%mod*mi(a[i][i],mod-2)%mod;for(int k=1;k<=tot+1;k++) a[j][k]=(a[j][k]+dv*a[i][k])%mod;}}
}
int main()
{
//	freopen("graffiti.in","r",stdin);
//	freopen("graffiti.out","w",stdout);scanf("%d%d",&n,&m);init();for(int i=0;i<n;i++) scanf("%s",s[i]);for(int i=0;i<n;i++) scanf("%s",t[i]);for(int i=0;i<n;i++){for(int j=0;j<m;j++){bg|=(s[i][j]=='B')<<(i*m+j);ed|=(t[i][j]=='B')<<(i*m+j);}}dfs(0,0);for(auto p:mp){int s=0,id=p.second;for(int i=0;i<n;i++){for(int j=0;j<m;j++){if(j<m-p.first[i])s|=(t[i][j]=='W')<<(i*m+j);elses|=(t[i][j]=='B')<<(i*m+j);}}a[id][id]=2*n*m;if(s==ed) continue;a[id][tot+1]=sum;for(int i=0;i<n;i++){for(int j=0;j<m;j++){int tmp=gtid(s|w[i][j]);a[id][tmp]=(a[id][tmp]-1+mod)%mod;tmp=gtid(s&(S^w[i][j]));a[id][tmp]=(a[id][tmp]-1+mod)%mod;}}}gauss();int tmp=gtid(bg);ans=a[tmp][tot+1]*mi(a[tmp][tmp],mod-2)%mod;printf("%lld",ans);return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/159522.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

k8s系列文章一:安装指南

前言 k8s是docker的升级版&#xff0c;可用于docker集群配置管理微服务 一、更新ubuntu系统版本 sudo apt update sudo apt upgrade二、添加GPG密钥(阿里源) 尽管我不知道gpg是个什么东西&#xff0c;反正跟着做就完了 curl https://mirrors.aliyun.com/kubernetes/apt/do…

RAR Extractor v11.20(mac解压缩软件)

RAR Extractor是一款专门用于解压RAR格式压缩文件的软件&#xff0c;以下是关于RAR Extractor的详细介绍&#xff1a; 强大的解压功能&#xff1a;RAR Extractor能够解压RAR格式的压缩文件&#xff0c;无论是单一的RAR文件还是RAR文件包&#xff0c;都可以通过RAR Extractor进…

时序预测 | Python实现ARIMA-CNN-LSTM差分自回归移动平均模型结合卷积长短期记忆神经网络时间序列预测

时序预测 | Python实现ARIMA-CNN-LSTM差分自回归移动平均模型结合卷积长短期记忆神经网络时间序列预测 目录 时序预测 | Python实现ARIMA-CNN-LSTM差分自回归移动平均模型结合卷积长短期记忆神经网络时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 时序预测 …

java学习路线24版

前言 作为大四老学长的秃狼&#xff0c;近日收到大量兄弟们的私信&#xff0c;希望我能出一期java学习路线的视频&#xff0c;很多小伙伴也是大一的新生&#xff0c;都想和我一样做最美逆行者。还有一些非科班准备转码的小伙伴&#xff0c;不想走培训班那条路线想要通过自学找…

佳易王定制开发流水线商品标签自动打印软件,打印格式可定制

佳易王定制开发流水线商品标签自动打印软件&#xff0c;打印格式可以定制 软件特色&#xff1a; 定制试用商品标签打印管理V16.0&#xff0c;打印标签可以自动计算到期日期和品控日期&#xff0c;并打印品名、包装规格、生产日期、到期日期、储存条件、生产包装、品控日期等信…

FRI及相关SNARKs的Fiat-Shamir安全

1. 引言 本文主要参考&#xff1a; Alexander R. Block 2023年论文 Fiat-Shamir Security of FRI and Related SNARKsAlbert Garreta 2023年9月在ZK Summit 10上分享 ZK10: Fiat-Shamir security of FRI and related SNARKs - Albert Garreta (Nethermind) 评估参数用的Sage…

实用-----七牛云绑定自定义域名 配置 HTTPS

实用-----七牛云绑定自定义域名 配置 HTTPS&#xff08;无废话 无尿点&#xff09; 1.访问SSL证书购买页面 https://portal.qiniu.com/certificate/ssl 2.购买免费证书 3.补全信息 注意&#xff1a; 域名直接输入 无需 www座机号随意填 区号需要搜索 下面为示例 4. 直接确认…

大模型 其他方案的进度

Llama2 1、中文提问&#xff0c;英文的回答&#xff0c;对于中文不友好 2、网上还没有看到很详细的微调教程 3、虽然Llama2的预训练数据相对于第一代LLaMA扩大了一倍&#xff0c;但是中文预训练数据的比例依然非常少&#xff0c;仅占0.13%&#xff0c;这也导致了原始Llama2的中…

FPGA高端项目:图像采集+GTP+UDP架构,高速接口以太网视频传输,提供2套工程源码加QT上位机源码和技术支持

目录 1、前言免责声明本项目特点 2、相关方案推荐我这里已有的 GT 高速接口解决方案我这里已有的以太网方案 3、设计思路框架设计框图视频源选择OV5640摄像头配置及采集动态彩条视频数据组包GTP 全网最细解读GTP 基本结构GTP 发送和接收处理流程GTP 的参考时钟GTP 发送接口GTP …

三维向量旋转

三维向量旋转 问题描述问题分析 v ⃗ ∣ ∣ \vec{v}_{||} v ∣∣​的旋转 v ⃗ ⊥ \vec{v}_{\bot} v ⊥​的旋转 v ⃗ \vec{v} v 的旋转结论致谢 问题描述 如图1所示&#xff0c;设一个向量 v ⃗ \vec{v} v 绕另一个向量 u ⃗ [ x , y , z ] T \vec{u}[x,y,z]^{T} u [x,y,z]T…

学习LevelDB架构的检索技术

目录 一、LevelDB介绍 二、LevelDB优化检索系统关键点分析 三、读写分离设计和内存数据管理 &#xff08;一&#xff09;内存数据管理 跳表代替B树 内存数据分为两块&#xff1a;MemTable&#xff08;可读可写&#xff09; Immutable MemTable&#xff08;只读&#xff0…

Docker 多阶段构建的原理及构建过程展示

Docker多阶段构建是一个优秀的技术&#xff0c;可以显著减少 Docker 镜像的大小&#xff0c;从而加快镜像的构建速度&#xff0c;并减少镜像的传输时间和存储空间。本文将详细介绍 Docker 多阶段构建的原理、用途以及示例。 Docker 多阶段构建的原理 在传统的 Docker 镜像构建…