zoukankan      html  css  js  c++  java
  • 【省选划水记】我确实是在划水。

      SCOI2017年,作为高一的蒟蒻,我参加了此次比赛。

      

       【Day -1】

      下午到了酒店各种浪,翻来覆去的浪。由于不是作为高二选手参赛,其实大家来省选还是感觉没啥压力。晚上打扑克,皇室战争,王者荣耀  后来不知是为什么不玩了就睡了。

      

      【Day 1】

      早上起来吃早饭,吃了后就去考场了。

      第一题好像是个贪心?用树剖搞搞,排一遍序加起来就好了。

      第二题不会,暴力都不会。。后来知道暴力可以满分,心情很悲伤,但我就是写不来暴力啊。。

      第三题几何部分,没学过,自己推导30分数据,结果还只过了十分,我TM方法和二哥一样啊,为毛他就30?

      下午成绩出来后,一群人围观NS大佬,竟然还有AK的,真的强。

      然后又看到一初三的200分,我们才100多,顿时一群人感觉学到狗身上去了。。

      至于我们学长那里,他们考的不好,也不知怎么回事,跟我们都差不多。。

      下午在房间王者啊颓废一下午,晚上一起四个人在电视上插U盘看电影,叫那个啥《明日边缘》,很好看的一部电影。

      电影快尾声的时候大家都来了我们房间(三人间,非常大),9个人坐在地上就开始王者。。打完就睡了。睡之前我复习了一下BSGS,虽然并无卵用。。

      【Day 2】

      今天我是最惨的一个。

      第一题样例看了半小时看不懂,因为不知道概率怎么处理,无奈爆0

      看了下第二题,数据很大,吓了一跳,就去看第三题了,看了题后果断放弃,连10分的都不想打,完全超出我的水平。

      然后又回去做第二题,前面的一部分都很顺利,但到了加密处理时就有点懵逼(??),想了各种方法,最后搞出了一个疑似可以A很多组的方法,可惜要用两个循环节,调试很久没调出来,无奈交了暴力版本,30分。

      所以我第二天总分都只有30,几个朋友中只有我一个没看出第一题,伤心啊。。

      下午就离开了,也没过多的去关注别的学校的成绩,我们高二学长考的很差,有一个特别伤心。因为他考试状态非常的不好,水平明明甩我们几十条街,可最后考的还不如我们,替他感到惋惜。

      唔,他们晚上好像吃了散伙饭,感觉挺忧伤的,想到明年子我们也要散了,顿时一种忧郁感从心底升起。有点迷茫,对未来;有点伤心,对大家明年就散去;有点责任,对老师,对家长,对自己……

      但竞赛毕竟不是唯一出路,希望高二的学长能在来年高考取得理想的成绩!

      【后记】

      下来后仔细琢磨,发现D2T1T2自己其实都会做。

      第一道递推出每个点的概率,加起来累计答案。如果要清扫,则在累计答案之前清扫。怎么清扫?垃圾dp,方格取数。

      第二题加密用到等差数列前n项和公式求系数

      

      至于每个等差数列多少项,用T/len可得,套用等差数列前n项和公式 对于L取模即可得到系数之和

      得到 每个元素的系数之和后 O(n)遍历一次,累计答案即可,此时由于每个元素的系数和用O(1)求得,有n个元素,所以也是O(n),至此,加密完美解决。

      然而又看到网上有人说用线段树求最大值要被卡,一算还真是 log(5*10^6)=22,nlog(n)刚好超过10^8,真的很心机啊,但据他们说rmq可以过此题,不知是不是真的,只有题目出来后再作尝试了。

      今天看见了NS中学漏题一事,不好也不想多做评价(反正跟我又没毛关系)。但我还是想表明自己的观点:自己水平高才是真的强大,走一些歪门邪道看似赚到了,实则风险很大。

      现在NS正处于舆论中心,因为漏题事件到处被人诟骂,又因为招生事宜和我校杠上,两校学生吵得不可开交。当然,我不知道他们哪里来的那么多时间,还不如抽出来多做一点题,是不?

      都说我校是OI弱校,但这次看了看,别的学校的高一也就那回事,差距并不是很大,感觉我们这一届还是很有希望的啊。。一种莫名的自信感,暴强。










    If you live in the echo,
    your heart never beats as loud.
    如果你生活在回声里,
    你的心跳声永远不会轰鸣作响。
  • 相关阅读:
    7.21
    7.14
    7.7
    大学生失物招领平台使用体验及改进意见
    cdh集群迁移 ip更改
    klearn.preprocessing.PolynomialFeatures学习
    二元线性回归
    python学习之numpy.ewaxis
    sklearn.linear_model.LinearRegresion学习
    一元线性回归-梯度下降法-房价预测
  • 原文地址:https://www.cnblogs.com/wsy01/p/6709372.html
Copyright © 2011-2022 走看看