君与 - 博客园

2021年10月6日

摘要：次小生成树导入：次小生成树是在最小生成树的基础上求得的，是noip提高组常考点之一，有着较高的灵活性。算法简介：学习次小生成树之前你得先弄明白最小生成树，假设有一n个点m条边的无向图，求次小生成树基本步骤如下： 1.求出最小生成树，并将所有树边建树。 2.依次枚举非树边，并将其加入树上，形阅读全文

posted @ 2021-10-06 15:05 君与阅读(563) 评论(0) 推荐(0)

埃氏筛法

摘要：导入：如果只对一个整数进行素性测试，通常O(√n )的算法就足够了。但如果要对许多整数进行素性测试，则有更为高效的算法，其中就包括了 Eratosthenes筛法，简称埃氏筛法。它是一个与辗转相除法一样古老的算法，可以用于枚举n以内的素数。算法分解：首先，我们将2到n范围内的所有整数写下来。阅读全文

posted @ 2021-10-06 07:28 君与阅读(515) 评论(0) 推荐(0)

2021年8月27日

高精度

摘要：导入：在OI比赛中我们常常面临数据类型选择的难题，浮点型大家都会选择double，一般不会爆范围所以大家也没有什么顾虑，但整型就不一样了，大家习惯了int本人就因为没有开long long无缘省队，在 OI界总是流传这么一句话“一场比赛不开long long，十年OI两行泪”可见数据类型选择的重阅读全文

posted @ 2021-08-27 08:39 君与阅读(302) 评论(0) 推荐(0)

2021年8月25日

最小生成树

摘要：定义：一个有 n 个结点的连通图的生成树是原图的极小连通子图，且包含原图中的所有n 个结点，并且有保持图连通的最少的边。常用kruskal算法或prim算法求解。 kruskal算法：前置知识：并查集判环，优先队列。算法流程： 1.以每个点为元素建立并查集。 2.将所有边以边长为主元插入优先队阅读全文

posted @ 2021-08-25 16:53 君与阅读(155) 评论(1) 推荐(0)

2021年8月23日

扩展欧几里得算法

摘要：扩展欧几里得（求解方程 ax+by=gcd(a,b)） 1>当 b=0时：ax+by=a 故而 x=1,y=0 2>当 b≠0时：因为gcd(a,b)=gcd(b,a%b) 而 bx′+(a%b)y′=gcd(b,a%b) bx′+(a−⌊a/b⌋∗b)y′=gcd(b,a%b) ay′+b(x′− 阅读全文

posted @ 2021-08-23 17:30 君与阅读(25) 评论(0) 推荐(0)

欧几里得算法

摘要：欧几里得算法： gcd(x,y)=gcd(y,x%y); 边界条件：if（y==0）return x; 证明：我们设gcd(a,b)=d····（1），a=k*b+c····（2），再令a=k1*d,b=k2*d····（3）由（2）得c=a-k*b····（4），然后将（1）带入（4）得到:c 阅读全文

posted @ 2021-08-23 17:28 君与阅读(212) 评论(0) 推荐(0)

NOI竞赛大纲提高组算法详注

摘要：基础算法：贪心：定义：在进行问题求解的时候，不从整体考虑结果，只考虑当前最优，得到的是在某种意义上的局部最优解。适用条件：整体最优一定满足局部最优，并且不依赖后面要做出的选择。递推：定义：优当前状态或已知的几个状态求出下一个或之后的某个状态。适用条件：状态之间存在明显状态转移方程。递阅读全文

posted @ 2021-08-23 17:16 君与阅读(336) 评论(0) 推荐(0)

线段树

摘要：导入概念： 1>线段树的结构：线段树是一种二叉搜索树。 2>用途： 1.在线维护修改以及查询区间上的最值，求和。 2.扩充到二维线段树（矩阵树）和三维线段树（空间树）。 3>时间复杂度：对于一维线段树来说，每次更新以及查询的时间复杂度为O(logN)。线段树基本内容对于A[1:6] = 阅读全文

posted @ 2021-08-23 17:13 君与阅读(274) 评论(0) 推荐(0)

2021年8月21日

基数排序

摘要：基数排序导入：在常见oi比赛中o(n log n ) 的复杂度的排序（快速排序，归并排序，堆排序)已经够各位看官使用但你是否思考过有没有更优的排序算法呢,想必你一定会说桶排序o(n)的时间复杂度确实让其他算法无法比拟可o（m）的空间一旦m>10^7该算法就只能尴尬离场了，那么真的没有更优的算法可阅读全文

posted @ 2021-08-21 17:08 君与阅读(363) 评论(0) 推荐(0)

2021年7月18日

来回接送模型

摘要：大佬博客，我也不会阅读全文

posted @ 2021-07-18 11:12 君与阅读(15) 评论(0) 推荐(0)