5407. Deep

感觉这题的难度是无法估计的，运气有时候也很重要……

Deep

Description
- Input
- Output
- Sample Input
- Sample Output
- Data Constraint
- 所以最终的CPP：

Description

失败的燃烧军团想要逃回深渊，Khadgar 想要追击它们。
然而进入深渊的传送门只有一座，燃烧军团和Khadgar 各有一些法力水晶，由Khadgar 先手，双方每次可以作出如下选择：
• 使用一个法力水晶，使得传送门的法力等级增加一。
• 不用法力水晶，让对方增加等于传送门法力等级的深度，然后将传送门的法力值清零。特别地，若法力水晶数不为零且传送门法力等级为零则不能进行这样的操作。
双方都会采取最优策略使自己的最终深度与对手深度的差最大（初始时深度均为零）。
现在多次给定双方起始的法力水晶数量A, B，求Khadgar 与燃烧军团的的最终深度差。

Input

T
A1 B1
A2 B2
…
AT BT

Output

输出T 行T 个整数，表示Khadgar 与燃烧军团的的深度差。

Sample Input

2
0 1
4 1

Sample Output

-1
1

Data Constraint

对于30% 的数据，有T= 1; 0 <= A, B <= 10
对于另外20% 的数据，有T <= 10^5; 0 <= A, B <= 10^2
对于100% 的数据，有T <= 10^5; 0 <= A, B <= 10^5

首先，看到这道题，你的第一反应是什么？
我的是贪心。
所以开始往贪心方面想，结果发现我对题目的理解还不够深。所以先是放下这道题，开始弄第三题的暴力去了。当我再看到这道题，时间已经过去2小时了，这时我样例A了T2&T3。
所以看到T4，叹了口气，感觉还是暴力。所以开始着手第一题。
分析了一下，你会发现某种情况下，先手的总是会被翻盘。那是什么情况呢？

可以知道，后手总是存在一种可以让先手输的方法。先“诱惑”先手弄出一颗水晶，那么后手就会等到先手把水晶用完。这时后手在用。
只要后手坚持这样的方法，那么他就会赢。

所以我们要考虑的情况只有两种了：

先手或者后手中有一个是0，那么直接输出他们的差
要不然，只能输出他们的差-2（我比赛的时候没去证明，只是看着样例弄出来的

所以最终的CPP：

#include<cstdio>
#define fre(x) freopen(#x".in","r",stdin),freopen(#x".out","w",stdout)
#define cin(x) scanf("%d",&x)
using namespace std;
int t,x,y;
int main()
{fre(deep);cin(t);for(int i=1;i<=t;++i){cin(x),cin(y);if(x==0||y==0)  printf("%d\n",x-y);else printf("%d\n",x-y-2);}return 0;
}

5407. Deep相关推荐

JZOJ 5407. 【NOIP2017提高A组集训10.21】Deep
Description 失败的燃烧军团想要逃回深渊,Khadgar 想要追击它们. 然而进入深渊的传送门只有一座,燃烧军团和Khadgar 各有一些法力水晶,由Khadgar 先手,双方每次可以作出如 ...
几何深度学习（Geometric Deep Learning）技术
几何深度学习(Geometric Deep Learning)技术几何深度学习综述从论文Geometric Deep Learning: Grids, Groups, Graphs, Geodes ...
深度学习编译器综述The Deep Learning Compiler
深度学习编译器综述The Deep Learning Compiler The Deep Learning Compiler: A Comprehensive Survey 参考文献: https:/ ...
全文翻译（全文合集）：TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
全文翻译(全文合集):TVM: An Automated End-to-End Optimizing Compiler for Deep Learning 摘要人们越来越需要将机器学习应用到各种各样 ...
全文翻译（二）: TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
全文翻译(二): TVM: An Automated End-to-End Optimizing Compiler for Deep Learning 3．优化计算图计算图是在DL框架中表示程序的常 ...
全文翻译（一）：TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
全文翻译(一):TVM: An Automated End-to-End Optimizing Compiler for Deep Learning 摘要人们越来越需要将机器学习应用到各种各样的硬件 ...
TVM优化Deep Learning GPU算子
TVM优化Deep Learning GPU算子高效的深度学习算子是深度学习系统的核心.通常,这些算子很难优化,需要HPC专家付出巨大的努力. 端到端张量IR / DSL堆栈TVM使这一过程变得更加 ...
深度学习编译与优化Deep Learning Compiler and Optimizer
深度学习编译与优化Deep Learning Compiler and Optimizer
Deep Learning部署TVM Golang运行时Runtime
Deep Learning部署TVM Golang运行时Runtime 介绍 TVM是一个开放式深度学习编译器堆栈,用于编译从不同框架到CPU,GPU或专用加速器的各种深度学习模型.TVM支持来自Te ...