Solution
A
读入字符串后直接输出
s.size()即可。
B
直接枚举
p2即可。注意不能枚举后再暴力地算,需要预处理出龙方与虎方的势力,然后每次改的时候只需要变动一点就可以了,类似换根
dp的思想 。时间复杂度
O(n)。
C
状态设计
dpi表示该公交在第
i时刻返回后,目前的总等待时间。
状态转移显然:
dpi=minj+m≤i(dpj+∑k=1,j≤ak≤ini−ak)
每次暴力转移,时间复杂度为
O(tn)。期望得分
30分。
可以发现,
∑k=1,j≤ak≤ini−ak可以用前缀和优化。即,
∑k=1,j≤ak≤ini−ak=cal(j+1,i)i−sum(j+1,i),其中
cal(j+1,i)表示在时间段
[j+1,i]到达的同学的数量,
sum(j+1,i)表示表示在时间段
[j+1,i]到达的同学的到达时间之和。
于是,我们预处理出两个
pre数组,第一个
pre数组记录下从
0时刻到现在到达的同学的数量,第二个
pre数组记录下从
0时刻到现在到达的同学的到达时间之和,于是
cal与
sum函数均可以
O(1)计算。
时间复杂度
O(t2)。期望得分
50分。
接着,可以发现,我们每次回头望的状态并不需要这么多,只需要在
[i−2m,i]之间即可。
之所以可以这么干,是因为,我们可以让公交在
i−2m时刻出发后立即返回,在
i−m时刻即可返回,然后再出发。
即,现在的状态转移式为
dpi=mini−2m≤j≤i−m(dpj+∑k=1,j≤ak≤ini−ak)
时间复杂度
O(mt)。期望得分
70分。
可以发现,
nm的值特别小;也就意味着,有同学正好到达的时间分布稀疏。
换句话说,如果在时间段
[x,x+m]中没有一个同学来,在
x+after(after>m)才有一个同学来,那么我们就让这个同学再早点来,即
x+after的到达时间变为
x+m。
可以发现,此时到达时间最晚的同学的到达时间不超过
nm。于是,我们此时状态转移,时间复杂度就会降到
O(nm2)。
D
直接搜索会超时,于是剪枝。
我们预处理出每个节点的子树大小,然后对于每个节点分别搜索即可,只要不满足了立刻跳出来,如果满足要求了直接用该节点的子树大小来尝试更行答案。
时间复杂度玄学,但是能过。