首页 > 其他分享 >[Keyence2019] Paper Cutting

[Keyence2019] Paper Cutting

时间:2024-01-13 16:56:59浏览次数:37  
标签:ifac limits Keyence2019 mathcal sum Cutting Paper fac binom

Paper Cutting

Luogu AT_keyence2019_f

题面翻译

有一个 \((H+1)\times(W+1)\) 的网格,网格中有 \(H\) 条水平线和 \(W\) 条竖直线。

你需要执行 \(K\) 次操作,每次沿一条水平线或竖直线将网格切开。定义一次操作的权值为切割后网格被切分的块数。

定义一个操作序列的权值为 \(K\) 次操作的权值和。

求所有操作序列的权值之和,答案对 \(10^9+7\) 取模。

其中 \(1\leq H,W\leq 10^7\),\(1\leq K \leq H+W\),且 \(H,W,K\) 为整数。

Solution

考虑单次操作的贡献是什么,假设当前为第 \(t\) 次操作。考虑第 \(t\) 次操作为当前操作的操作序列个数,容易算出为:

\[t!(k-t)!\binom{H+W-t}{K-t} \]

而这次操作的贡献为:

\[\sum\limits_{i=0}^t\binom{H}{i}\binom{W}{t-i}(i+1)(t-i+1) \]

那么贡献即为:

\[t!(K-t)!\binom{H+W-t}{K-t}\sum\limits_{i=0}^t\binom{H}{i}\binom{W}{t-i}(i+1)(t-i+1) \]

序列个数不难 \(\mathcal O(n)-\mathcal O(1)\) 计算,而贡献为 \(\mathcal O(n)\) 计算,考虑优化。

化式子:

\[\begin{array}{rll} &&\displaystyle\sum\limits_{i=0}^t\binom{H}{i}\binom{W}{t-i}(i+1)(t-i+1)\\ &=&\displaystyle(t+1)\left(\sum\limits_{i=0}^t\binom{H}{i}\binom{W}{t-i}\right)+i(t-i)\left(\sum\limits_{i=0}^t\binom{H}{i}\binom{W}{t-i}\right)\\ \end{array} \]

前半部分直接使用范德蒙德卷积,后半部分拆一下组合数:

\[\begin{array}{rll} &=&\displaystyle(t+1)\binom{H+W}{t}+\sum\limits_{i=0}^t\dfrac{H!W!}{(i-1)!(H-i)!(t-i-1)!(W-t+1)!}\\ &=&\displaystyle(t+1)\binom{H+W}{t}+\sum\limits_{i=0}^t\dfrac{HW(H-1)!(W-1)!}{(i-1)!(H-i)!(t-i-1)!(W-t+1)!}\\ &=&\displaystyle(t+1)\binom{H+W}{t}+HW\sum\limits_{i=0}^t\binom{H-1}{i-1}\binom{W-1}{t-i-1} \end{array} \]

同样使用范德蒙德卷积可以得到:

\[\begin{array}{rll} &=&\displaystyle(t+1)\binom{H+W}{t}+HW\binom{H+W-2}{t-2} \end{array} \]

显然可以 \(\mathcal O(n)-\mathcal O(1)\) 计算。

时间复杂度 \(\mathcal O(n)\)。

Code
int N, M, K;
mint fac[_N], ifac[_N];
void init(int n) {
    fac[0] = 1; For(i, 1, n) fac[i] = fac[i-1] * i;
    ifac[n] = 1 / fac[n]; Rof(i, n, 1) ifac[i-1] = ifac[i] * i;
}
mint binom(int x, int y) {
    if (x < y || y < 0) return 0;
    return fac[x] * ifac[y] * ifac[x-y];
}
void _() {
    cin >> N >> M >> K; init(N + M);
    mint ans = 0;
    For(k, 1, K) {
        mint tmp = fac[k] * fac[K - k] * binom(N + M - k, K - k);
        tmp *= (k + 1) * binom(N + M, k) + binom(N + M - 2, k - 2) * N * M;
        ans += tmp;
    }
    cout << ans << '\n';
}

标签:ifac,limits,Keyence2019,mathcal,sum,Cutting,Paper,fac,binom
From: https://www.cnblogs.com/hanx16msgr/p/17962565

相关文章

  • NeurIPS'23 Paper Digest | PromptTPP: Prompt Pool 与时序点过程模型的持续学习
    为期一周的人工智能和机器学习领域顶级会议 NeurIPS 已于当地时间 12 月 16 日圆满结束。蚂蚁集团有 20 篇论文被本届会议收录,其中《Prompt-augmented Temporal Point Process for Streaming Event Sequence》由蚂蚁集团研究并撰写,作者包括薛思乔、王言、褚志轩、师......
  • NeurIPS'23 Paper Digest | PromptTPP: Prompt Pool 与时序点过程模型的持续学习
    为期一周的人工智能和机器学习领域顶级会议 NeurIPS 已于当地时间 12 月 16 日圆满结束。蚂蚁集团有 20 篇论文被本届会议收录,其中《Prompt-augmented Temporal Point Process for Streaming Event Sequence》由蚂蚁集团研究并撰写,作者包括薛思乔、王言、褚志轩、师......
  • 11.Demonstrate the essentials concerning "Abstract" in research papers,such as f
    11.Demonstratetheessentialsconcerning"Abstract"inresearchpapers,suchasfeatures,types,andcomponents.演示研究论文中关于“摘要”的要点,如特点、类型和组成部分。Round1:IntroductiontotheAbstractSpeaker1(ResearcherA):Ladiesandgentlemen,than......
  • Paper Reading: Oversampling with Reliably Expanding Minority Class Regions for I
    目录研究动机研究背景研究目的文章贡献本文方法可靠的扩展少数类区域的过采样方法描述方法分析多分类的OREM-MOREM和Boosting的结合计算复杂度实验结果二分类数据集实验实验设置对比实验消融实验调参实验多分类数据集实验对比实验消融实验OREMBoost实验实验设置对比实验优点......
  • Guo_AD-NeRF_Audio_Driven_Neural_Radiance_Fields_for_Talking_Head_Synthesis_ICCV_
    可以看看这个向量场的虚拟人像的效果.看论文第三章: 3.2: F_theta是一个神经网络,a是声音d是viewdirection,x是3dlocation.普通的向量场是F_theta:d,x--->(c,σ)表示d是一个方向,表示观看者水平的偏移角度和数值的偏移角度.x是一个3d坐标表示看物......
  • Paper Gestalt笔记
    title:PaperGestalt笔记banner_img:https://cdn.studyinglover.com/pic/2023/07/5deff473fdf93539d3952d3d6894add3.pngdate:2023-7-2710:57:00PaperGestalt笔记最近读到了一篇CVPR2010非常优秀的论文,叫做PaperGestalt,他考虑到近年来(2010年的近年来)CVPR的投稿两......
  • 洛谷 P9129 [USACO23FEB] Piling Papers G
    第一问是简单的,\(2(n-1)-[T=1]\cdot\max\limits_{i=1}^{n}\{dep_i\}\)。对于第二问:设\(f(u)\)表示要求起点和终点均为\(u\)的情况下从\(1\)时刻开始遍历完以\(u\)为根的子树的最小花费,\(g(u)\)表示要求起点为\(u\),重点深度最大的情况下从\(1\)时刻开始遍......
  • Paper Reading: A hybrid deep forest-based method for predicting synergistic drug
    目录研究动机文章贡献本文工作数据集构建ForSyn模型RF-CUS单元ETF-DR单元实验结果对比实验调参实验消融实验湿实验可解释性分析与预测过程的关联特征贡献度关键特征的生物学分析优点和创新点PaperReading是从个人角度进行的一些总结分享,受到个人关注点的侧重和实力所限,可能......
  • A Template of Literature Survey For Reading Papers
    IntroductionRecently,I'mreadingsomepapersandIhadsearchedformanyblogsaboutpaperreading.Tomydisappointment,mostofthemarenotorganizedandtheformatisnotconsistent.SoIdecidedtowriteatemplateofliteraturesurveyforrea......
  • 8 Innovative BERT Knowledge Distillation Papers That Have Changed The Landscape
    8InnovativeBERTKnowledgeDistillationPapersThatHaveChangedTheLandscapeofNLPContemporarystate-of-the-artNLPmodelsaredifficulttobeutilizedinproduction.Knowledgedistillationofferstoolsfortacklingsuchissuesalongwithseveralothe......