NOIP-X2018 山东【11 的倍数】题解（AC）

【代码】洛谷B4075 [CSP-X 2018] 11 的倍数。

AtCoder Beginner Contest 175

题目传送门 题目大意： 求 ∑i=1A∑j=1B∑k=1Cd(ijk)\sum_{i=1}^A \sum_{j=1}^B \sum_{k=1}^C d(ijk)∑i=1A​∑j=1B​∑k=1C​d(ijk)。 题解 大家可还记得这一题。 关于 ddd 的那个性质，是可以拿过来用的。（看来SD十分钟爱 ddd 这个函数呀） =∑i=1A∑j=1B∑k=1C∑x∣i∑y∣j∑z∣k[gcd⁡(x,y...

11的倍数 新定义

例如： x = 8511， 8+5+1+1=15， 15 是 3 的倍数，那么 8511 就是 3 的倍数。相加，如果所得的和是 3 的倍数，那么 x 就是 3 的倍数。如果 s1÷11 所得的余数 = s2÷11 所得的余数，那么 x 就是 11 的倍数。可以计算 x÷3 所得的余数，如果余数等于 0，那么 x 是 3 的倍数。对于 100%的数据， xi的位数不超过 100 位， n 不超过 10.……接下来你的任务是，判断 x 是不是 11 的倍数；如判断一个正整数 x 是不是 3 的倍数。

时间限制: 1000 ms 空间限制: 262144 KB 具体限制 题目描述 我们现实生活中通常使用中缀表达式，但在计算机里会用到前缀表达式以及后缀表达式，他们的含义如下： 前缀：先写运算符，接着是第一个操作数，最后是第二个操作数； 后缀：先写第一个操作数，接着写第二个操作数，最后写运算符。 如中缀表达式3 + 4，在前缀表示为+ 3 4，在后缀里表示为3 4 +，而(5 - 4)-

又是一道玄学题... 题解： 看到数据范围，显然是状压dp 那么我们来设计一下状态 设dp[i]表示目前选择的点集为i所能获得的无环子图个数 那么如果要求无环，这还是个有向图，所以我们可以将新的子图按拓扑序分层，然后枚举每一层的状态进行转移 所以最浅显的思想就是记录整个点集的状态，同时记录最底层的状态，然后用最底层的状态进行转移，转移时只要求新的层与底层均有连边即可 但是这样做时...

整体分为 7 大模块：基础图像操作、滤波平滑、边缘 / 特征检测、轮廓与形状分析、特征匹配与目标识别、相机标定三维视觉、视频与机器学习，每个模块包含核心算法、解决痛点、实际工程场景。

题目要求将数组中的零元素移动到末尾，保持非零元素原有顺序，且需原地操作。解题思路采用双指针法： 初始化dest指针为-1（记录非零序列末尾），cur指针为0（用于遍历） 遍历数组时： 遇到非零元素：dest右移，交换dest与cur位置的元素 遇到零元素：仅cur右移 最终保证[0,dest]区间为非零元素，[dest+1, n-1]区间为零元素 时间复杂度O(n)，空间复杂度O(1)。该方法通过一次遍历和元素交换高效实现零元素后移。

本文提出了一种基于传输熵的非协作通信网络拓扑推理算法。在无法获取先验信息的情况下，该算法通过分析节点通信时序数据，计算传输熵量化节点间的有向信息流，结合置换检验和多元条件传输熵方法，有效剔除随机噪声和间接链路干扰，最终构建准确的有向加权网络拓扑。算法支持4-26个节点的网络规模，采用MATLAB实现，包含数据预处理、状态重构、传输熵计算、统计检验等核心模块，可精确还原非线性、时滞性通信网络的拓扑结构。完整程序工程可通过指定方式获取。

摘要：本文介绍了三种经典排序算法及其应用。快速排序采用分治思想，通过基准值划分数组，优化手段包括三数取中、小区间插入排序等。归并排序通过分治和合并实现，可用于求解逆序对问题。堆排序通过建堆和调整实现，能高效解决TopK问题。文章还分析了排序算法的稳定性，指出冒泡、插入等是稳定的，而选择、快排等不稳定，并给出了实际选型建议，如快排适合一般场景，归并适合稳定排序，堆排序适合TopK问题。

交换排序——冒泡排序，快速排序

本文介绍了三道使用位运算解决的算法题： 两整数之和：通过异或和与运算模拟加法，循环处理进位直至无进位。 只出现一次的数字II：统计每位出现次数后模3，定位唯一数字的各个比特位。 消失的两个数字：结合异或特性分组处理，将问题转化为找两个出现一次的数字。 这些解法均利用位运算高效实现，时间复杂度为O(1)或O(N)，空间复杂度优化至O(1)，展示了位运算在特定场景下的独特优势。

回溯法也可以叫做回溯搜索法，它是一种搜索的方式。回溯是递归的副产品，只要有递归就会有回溯。所以以下讲解中，回溯函数也就是递归函数，指的都是一个函数。回溯法解决的问题都可以抽象为树形结构（N叉树）是啥？本质？解决啥问题？解决模板回溯–递归三部曲画出树 ，主要收集的是节点还是叶子节点按照模板写代码组合和分割收集的都是叶子节点子集收集每个节点。

PageRank 是 Google 创始算法，也是图计算领域最经典的排名算法。本文深入解析 PageRank 数学原理，系统讲解 Spark GraphX 的两种实现（静态 & 动态），并结合源码剖析其分布式执行机制。

本文介绍了大语言模型中三种主流的子词分词技术。首先阐述了分词的必要性，即将文本转换为数字序列以便模型处理，并指出现代模型普遍采用子词分词算法来平衡词汇表规模和语义表达能力。随后详细讲解了三种主流算法：1）Byte-Pair Encoding（BPE），通过迭代合并高频字符对构建词汇表；2）WordPiece，基于最大似然准则选择合并对；3）SentencePiece的Unigram语言模型方法，直接从原始字节流学习子词概率分布。每种算法都配有原理说明、具体示例和简化Python实现，展现了子词分词如何帮助模

仅供参考，未经实验验证。DeepSeekMath对SFT、RFT、在线RFT、DPO、PPO、GRPO这些算法有统一范式描述，看看与九步认知循环关系。九步认知循环是一个"元学习操作系统"（关心学什么、什么时候学、什么时候停），六种 RL 算法是这个操作系统下的"具体优化程序"（关心给定目标后怎么更新参数）。两者在"反馈-选择-更新"的闭环结构上同构，但九步循环在目标管理和认知层级上更高，而 RL 算法在时序价值预估（Critic）和噪声鲁棒优化上更精细。

没想到呀，今天简单题卡壳了，不过后面还好，最终A了5个题看题吧。

关于“拓扑排序”，主要看图片中的内容来理解。