博客
关于我
AT2272 [ARC066B] Xor Sum 题解
阅读量:452 次
发布时间:2019-03-06

本文共 642 字,大约阅读时间需要 2 分钟。

分析数列1, 2, 4, 5, 8, 10, 13, 14, 18时,我们发现难以直接看出明显的规律。于是,我们决定从OEIS上搜索这个数列,发现它对应于一个递推公式:

f(x) = f(x/2) + f((x-1)/2) + f((x-2)/2)

通过对递推式的分析和编写程序计算更多的数值,我们能够更深入地理解这个数列的生成规律。程序如下:

#include #include 
using namespace std;ll solve(ll xx) { if (xx <= 20) return a[xx]; if (ma[xx]) return ma[xx]; if (xx % 2) { ma[xx] = (2 * solve(xx / 2) % mod + solve(xx / 2 - 1) % mod) % mod; } else { ma[xx] = (2 * solve(xx / 2 - 1) % mod + solve(xx / 2) % mod) % mod; } return ma[xx];}int main() { ll n; scanf("%lld", &n); ll ans = solve(n); printf("%lld\n", ans); return 0;}

通过上述程序,我们可以计算出数列的后续项,并进一步分析其规律。

转载地址:http://plpyz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>