P3197 [HNOI2008] 越狱

news2024/10/11 18:22:15

题目传送门

题面

[HNOI2008] 越狱

题目描述

监狱有 n n n 个房间,每个房间关押一个犯人,有 m m m 种宗教,每个犯人会信仰其中一种。如果相邻房间的犯人的宗教相同,就可能发生越狱,求有多少种状态可能发生越狱。

答案对 100 , 003 100,003 100,003 取模。

输入格式

输入只有一行两个整数,分别代表宗教数 m m m 和房间数 n n n

输出格式

输出一行一个整数代表答案。

样例 #1

样例输入 #1

2 3

样例输出 #1

6

提示

样例输入输出 1 解释
状态编号1 号房间2 号房间3 号房间
1信仰 1信仰 1信仰 1
2信仰 1信仰 1信仰 2
3信仰 1信仰 2信仰 2
4信仰 2信仰 1信仰 1
5信仰 2信仰 2信仰 2
6信仰 2信仰 2信仰 1
数据规模与约定

对于 100 % 100\% 100% 的数据,保证 1 ≤ m ≤ 1 0 8 1 \le m \le 10^8 1m108 1 ≤ n ≤ 1 0 12 1 \le n \le 10^{12} 1n1012

思路

先正常看,题目难度普及/提高,所以有很大的思维成分在里面。
然后的话这是标签:
在这里插入图片描述
明显这是一道排列组合题目。
先考虑会越狱情况下的各种情况
这是样例1的

状态编号1 号房间2 号房间3 号房间
1信仰 1信仰 1信仰 1
2信仰 1信仰 1信仰 2
3信仰 1信仰 2信仰 2
4信仰 2信仰 1信仰 1
5信仰 2信仰 2信仰 2
6信仰 2信仰 2信仰 1

很明显,从2个一样信仰的相邻一直到n个一样的信仰相邻都有多种可能,所以从这个方向考虑会很复杂。
那么可以换一种思路,从逆向来想,因为只有两种情况,要么越狱,要么不越狱,所以可以理解为 越狱的情况 = 所有情况 − 不越狱的情况 越狱的情况=所有情况-不越狱的情况 越狱的情况=所有情况不越狱的情况
那么考虑一下不越狱的情况。
有m中信仰的情况下,具体可以这样分配:

1 号房间2 号房间3 号房间3n号房间
m种信仰m-1种信仰m-1种信仰m-1种信仰m-1种信仰

因为为了不和上一个房间的宗教相同,所以剩下了除上一个房间以外m-1种信仰可选,然而第一间左边没有房间可以有m种选择。
因此我们可以把答案弄出来了
a n s = n m − m ∗ ( n − 1 ) m − 1 ans=n^m-m*(n-1)^{m-1} ans=nmm(n1)m1
接着看数据范围,保证 1 ≤ m ≤ 1 0 8 1 \le m \le 10^8 1m108 1 ≤ n ≤ 1 0 12 1 \le n \le 10^{12} 1n1012,所以如果用O(n)的时间复杂度会过不了( 1 0 8 10^8 108有的判题机好似可以过)
所以要用快速幂,原理就是倍增思想,时间复杂度降低到了 l o g ( n ) log(n) log(n)

虽然c++本身有快速幂函数pow,不过由于涉及取模,所以需要手写一个。

最后提交上去就会发现有的点WA了,由于这里面取模运算的特性,所以有可能会出现 n m n^m nm取模完以后比后面那一坨还小,这时候我们就应该加上一个模数就可以了

c o d e code code

#include<bits/stdc++.h>
using namespace std;
//#define ll long long防伪认证
#define ld long double
#define FOR(x,a,b,c) for(int x=a;x<=b;x+=c)
#define MFOR(x,a,b,c) for(int x=a;x>=b;x-=c)
#define MPFOR(x,a,b,c) for(int x=a;a<=b;x*=c)
const int N3=1e3+10;
const int N=1e6+10;
const long double esp=1e-8;
bool f[N];
/*/防伪认证
map<ll,int> a;
queue<int> a;
stack<int> a;
priority_queue<int> a;
vector<int> a;
set<int> a;
::iterator it
unordered
/*/
int gcd(int a,int b){
	int c=a%b;
	while(a%b!=0){
		a=b;
		b=c;
		c=a%b;
	}
	return b;
}
int lcm(int x,int y){
	return (x*y)/gcd(x,y);
}
void p(int n){
	f[1]=1;
	f[0]=1;
	for(int i=2;i*i<=n;i++){
		if(f[i]) continue;
		for(int j=i*i;j<=n;j+=i){
			f[j]=1;
		}
	}
}
ll qpow(ll x,ll y,ll md){//快速幂
	ll ans=1;
	while(y){//相当于给他求二进制
		if(y&1){
			ans*=x;
			ans%=md;
		}
		x*=x;//倍增思想
		x%=md;
		y>>=1;
	}
	return ans;
}
ll n,m;
ll ans=1;
int main(){
	freopen(".in","r",stdin);
	freopen(".out","w",stdout);
    ios::sync_with_stdio(false);
	cin>>m>>n;
	ans=((qpow(m,n,100003))-m*qpow(m-1,n-1,100003)%100003)%100003;//公式计算
	if(ans<0) ans+=100003;//特殊情况
	cout<<ans;
	fclose(stdin);
	fclose(stdout);
	return 0;
}
/*/
思路区
/*/

不要复制以后直接提交,不会AC,会编译错误!!!

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.coloradmin.cn/o/2195012.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

js操作元素的其他操作(4个案例+效果图+代码)

目录 1. 获取元素的位置和大小 案例:获取元素的位置和大小 1.代码 2.效果 2. 获取元素的可视区域 案例:获取元素的可视区域 1.代码 2.效果 3. 元素的滚动操作 案例:元素的滚动操作 1.代码 2.效果 4. 获取鼠标指针位置 案例:时刻获取鼠标位置 1.代码 2.效果 案例:拖动的小球 1.代…

第一个Flutter应用(一)

1、创建项目 1.1 新建 1.2 选择Flutter SDK的位置 1.3 项目名称 英文单词加下划线起名规范&#xff0c;其他默认即可。 1.4 点击运行 发生报错显示我们的JAVA版本不符合 1.5 更改版本设置 1.6 再次启动项目 2、分析页面代码 以下是lib/main.dart的源代码&#xff08;为了阅…

为什么一定要用大模型,为什么说AI大模型开发人人必备?

AI 大模型技术经过2023年的狂飙&#xff0c;2024年迎来应用的落地&#xff0c;对 IT 同学来讲&#xff0c;这里蕴含着大量的技术机会&#xff0c;人人必备开发技能。 文讨论 AI 大模型开发技术大师的修炼之道&#xff0c;试图找到一个共同的速成模式&#xff0c;希望对 IT 同学…

数据结构(7.4_2)——B树的插入删除

B树的插入 B树的删除 对非终端结点的删除 对终端结点的删除 终端结点关键字低于下限时&#xff1a; 借后继结点&#xff1a; 借前驱结点&#xff1a; 结点合并&#xff1a; 总结 &#xff1a;

图像分割恢复方法

传统的图像分割方法主要依赖于图像的灰度值、纹理、颜色等特征&#xff0c;通过不同的算法将图像分割成多个区域。这些方法通常可以分为以下几类&#xff1a; 1.基于阈值的方法 2.基于边缘的方法 3.基于区域的方法 4.基于聚类的方法 下面详细介绍这些方法及其示例代码。 1. 基…

论文翻译 | Dynamic Prompting: A Unified Framework for Prompt Tuning

摘要 已经证明&#xff0c;在从预训练的基础模型中高效提取知识方面&#xff0c;提示调整&#xff08;prompt tuning&#xff09;技术是非常有效的&#xff0c;这些基础模型包括预训练的语言模型&#xff08;PLMs&#xff09;、视觉预训练模型以及视觉-语言&#xff08;V-L&…

【进阶OpenCV】 (7)--视频处理 - 之 - 背景建模及目标跟踪

文章目录 一、背景建模1. 目的2. 方法3. 帧差法4. 光流估计 二、代码步骤1. 读取视频2. 构建卷积核3. 背景建模 总结 一、背景建模 指在计算机视觉中&#xff0c;从视频序列中提取出静态背景的一种技术。在视频中&#xff0c;背景通常被定义为相对稳定的部分&#xff0c;例如墙…

vue2中 vue-count-to组件让数字从某个数字动态的显示到某个数字(后附vue3的用法)

1、首先安装 npm install vue-count-to2、使用 2.1、先导入组件 import countTo from ‘vue-count-to’2.2、注册组件 components: { countTo },2.3、使用组件 <countTo> <template><div class"home"><countTo class"count-to&qu…

【查找算法概念】与【线性表的相关查找算法】

1.知识回顾 2.查找算法相关问题汇总 2.1在哪里查找 查找表 2.2通过什么进行查找 关键字的对应 主关键字&#xff1a;比如我们可以通过一个学号来唯一确定一名学生 这里的学号就是一种主关键字。 次关键字&#xff1a;而通过一个名字李华&#xff0c;我们可能会确定不止一名…

selenium的webdriver常用方法和属性介绍(2)

selenium的webdriver介绍 从selenium导入webdriver模块&#xff0c;在pycharm中跳转webdriver模块的__init__.py文件&#xff0c;内容如图所示&#xff1a;从selenium包的子目录中导入了很多模块并做了重命名&#xff0c;用于支持如下 Chrome/Edge/Ie/Firefox/Safari浏览器。 使…

基于深度学习的多焦点图像融合系统【数据集+深度学习模型+源码+PyQt5界面】

深度学习多焦点聚焦图像融合 文章目录 研究背景代码下载链接一、效果演示1.1 界面设计1.2 图像融合演示11.3 图像融合演示21.4 图像融合演示3 二、技术原理2.1 引言2.2 融合策略2.3 深度特征的提取2.4 融合策略2.4.1 利用深度特征计算模糊度2.4.2 去噪与平滑2.4.3 图像融合 三、…

计算机网络——p2p

流媒体是指在网络上以流式传输技术实时播放的多媒体内容&#xff0c;如音频、视频等。以下是关于流媒体的详细介绍&#xff1a; 一、工作原理 数据分割与传输&#xff1a; 流媒体技术将多媒体文件分割成较小的数据包。这些数据包按照特定的顺序进行编号&#xff0c;然后通过网络…

Luminar激光雷达公司裁员重组的深度分析

在科技行业风起云涌的今天,每一家企业都面临着前所未有的挑战与机遇。当地时间9月23日,美国激光雷达领域的领军企业Luminar Technologies向美国证券交易委员会(SEC)提交了一份8-K报告,正式宣布了一项重大的业务重组计划,其核心内容是通过进一步裁员来优化成本结构,以期在…

【英语】3. 词源

文章目录 前言动词变名词解释e.g. 一、词根二、介词短语spect/spec: means see, look 合成词三、介词本身的意思总结参考文献 前言 进行英语前后缀的复习 动词变名词 解释 外国的表达方式&#xff1a;更多地偏向静态&#xff0c;因此更多地使用名词 e.g. (rather Chinglish…

【数据结构与算法】排序算法

3.7 排序算法 概述 比较排序算法 算法最好最坏平均空间稳定思想注意事项冒泡O(n)O( n 2 n^2 n2)O( n 2 n^2 n2)O(1)Y比较最好情况需要额外判断选择O( n 2 n^2 n2)O( n 2 n^2 n2)O( n 2 n^2 n2)O(1)N比较交换次数一般少于冒泡堆O( n l o g n nlogn nlogn)O( n l o g n nlogn …

【Linux】认识Linux内核中进程级别的文件结构体【files_struct】&文件IO模型初步演示

前言 大家好吖&#xff0c;欢迎来到 YY 滴 系列 &#xff0c;热烈欢迎&#xff01; 本章主要内容面向接触过C的老铁 主要内容含&#xff1a; 欢迎订阅 YY滴C专栏&#xff01;更多干货持续更新&#xff01;以下是传送门&#xff01; YY的《C》专栏YY的《C11》专栏YY的《Linux》…

高效医疗:Spring Boot医院管理解决方案

1系统概述 1.1 研究背景 如今互联网高速发展&#xff0c;网络遍布全球&#xff0c;通过互联网发布的消息能快而方便的传播到世界每个角落&#xff0c;并且互联网上能传播的信息也很广&#xff0c;比如文字、图片、声音、视频等。从而&#xff0c;这种种好处使得互联网成了信息传…

算法题总结(十一)——二叉树下

257、二叉树的所有路径 给你一个二叉树的根节点 root &#xff0c;按 任意顺序 &#xff0c;返回所有从根节点到叶子节点的路径。 叶子节点 是指没有子节点的节点。 示例 1&#xff1a; 输入&#xff1a;root [1,2,3,null,5] 输出&#xff1a;["1->2->5",&…

【设计模式】软件设计原则——依赖倒置合成复用

依赖倒置引出 依赖倒置 定义&#xff1a;高层模块不应该依赖低层模块&#xff0c;二者都应该依赖抽象&#xff1b;抽象不应该依赖细节&#xff0c;细节应该依赖抽象。面向接口编程而不是面向实现编程。 通过抽象使用抽象类、接口让各个类or模块之间独立不影响&#xff0c;实现…

Charles安卓抓包环境配置

下载安装Charles 官网搜索然后直接下载就可以了 抓HTTP的包 HTTP代理 在Proxy->Proxy Settings里配置HTTP代理 手机上配置代理 进入WIFI&#xff0c;找到连接的网络&#xff0c;打开高级选项&#xff0c;里面有一个代理选项&#xff0c;将其改为手动&#xff0c;然后…