比赛链接

A

B

C

D

H

I

J

K

多灾多难的 Summer Training 9,前一天挂了一场比赛,结果题一半不能做,于是打了一个小时就放弃了。之后的两场 Summer Training 9一场题挂错,一场看上去很靠谱但数据似乎出了问题交上去都是wa。最后的summer training 9是拉丁美洲的一场比赛,题目质量不错,区分度明显。

我开场发现I是个水题,于是就去敲。期间Moor和ss讨论了A题,觉得可敲,而其它读过了的题似乎比较神的样子。我各种手贱,晕晕乎乎的敲玩之后发现过不了样例,折腾了好久才知道是gets的时候读空字符了。第一次交RE,是很二的数组开小了,第二次PE,在行尾加空格了,这个问题在敲的时候就已经想到了,最后忘了改。ss对我表示绝望,第三次忘了吧freopen注释,WA了,第四次终于过了。对不起大家。

Moor去敲A题,我读过了很多的K题。很快A就敲好了,1A,大约用了15分钟。大概是想赎罪,我敲K题,敲玩测样例之后发现漏了中情况,庆幸给了很多组数据,然后就1A了,大约花了13分钟。

期间Moor和ss讨论了H题,是个不难的tarjan,于是Moor敲H题。大概敲了15分钟,1A。

此时场上剩下的题只有B和J有人过,B想了好久都不会,ss去读J题,发现是个线段树,然后就1A了。

接下来的半个多小时就是各种不会以及读题训练,BCDEG换着看。Moor一直在想C题,并发表了“想C想的要疯掉的言论”,虽然我和ss一点都没看出来。黄天不负有心人,Moor终于知道了C的做法,敲玩之后发现第三个样例不过,发现是方法优雅过头出错了,只好换更暴力的做法,然后就很神奇的1A了。接下来的两个小时又是各种不会和读题。ss甚至想暴力搞搞D,敲了点及放弃了。Moor对B有了想法,于是去敲,很艰难的走出几个坑过了样例交,结果SE了。只好到uva上交,结果WA了。修修补补再交,在uva上A了,不过在比赛上是se。

期间觉得D可以用trie树做。但一直没有i想到如何合并两颗树。

然后比赛就结束了。

ss赛后过了D,真的是trie树。

转载于:https://www.cnblogs.com/james1207/p/3297246.html

Tri_integral Summer Training 9 总结相关推荐

  1. tensorflow---alexnet training (tflearn)

    # 输入数据 import input_data mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)impo ...

  2. Python如何进行cross validation training

    以4-fold validation training为例 (1) 给定数据集data和标签集label 样本个数为 sampNum = len(data) (2) 将给定的所有examples分为1 ...

  3. HDU 6091 - Rikka with Match | 2017 Multi-University Training Contest 5

    思路来自 某FXXL 不过复杂度咋算的.. /* HDU 6091 - Rikka with Match [ 树形DP ] | 2017 Multi-University Training Conte ...

  4. [转]语音识别中区分性训练(Discriminative Training)和最大似然估计(ML)的区别...

    转:http://blog.sina.com.cn/s/blog_66f725ba0101bw8i.html 关于语音识别的声学模型训练方法已经是比较成熟的方法,一般企业或者研究机构会采用HTK工具包 ...

  5. HDU 6051 - If the starlight never fade | 2017 Multi-University Training Contest 2

    /* HDU 6051 - If the starlight never fade [ 原根,欧拉函数 ] | 2017 Multi-University Training Contest 2 题意: ...

  6. Android官方开发文档Training系列课程中文版:OpenGL绘图之应用投影与相机视图

    原文地址:http://android.xsoftlab.net/training/graphics/opengl/projection.html##transform 在OpenGL ES环境中,投 ...

  7. ML基础 : 训练集,验证集,测试集关系及划分 Relation and Devision among training set, validation set and testing set...

    首先三个概念存在于 有监督学习的范畴 Training set: A set of examples used for learning, which is to fit the parameters ...

  8. 【USACO training】Chapter 1 入门

    整理的算法模板合集: ACM模板 目录 Section 1.1 介绍 Section 1.2 提交解决方案,任务类型,特殊问题 1.2.1 AcWing 1339. 你的旅途由此开始(字符串模拟) 1 ...

  9. 2021-07-15 深度学习服务器Linux终端网络训练training结果(顶会ECCV网络BiSeNet)

    1.网络BiSeNetV1训练training结果 训练集结果在好多个小时终于出来了哈哈哈哈,在迭代8万次之后结果如图: $ python evaluate.py --config configs/b ...

最新文章

  1. 数据库经典书籍--数据库系统概念
  2. jsp session
  3. 为什么你们的Note.js 里面没有sap.ui.core.Control.extend()这样的代码,但是runtime有自动生成有
  4. 关于关闭office 2010中的OSPPSVC服务的方法
  5. sublime3快捷键
  6. 广度优先算法_算法浅谈——走迷宫问题与广度优先搜索
  7. 《中国人工智能学会通讯》——11.24 本文的出发点:模仿人类视觉
  8. 清除Chrome浏览器的历史记录、缓存
  9. linux7怎么把gpt分区改成MBR,GPT转MBR|硬盘GPT分区转MBR教程(两种办法)
  10. 爱普生发票打印机 每次连续打印发票,都跳页,中间一张空白
  11. 35岁以上程序员求职没市场?互联网大厂100道Android面试题助你冲关金三银四!终局之战
  12. 简单了解ACL与NAT!
  13. Kotlin开发第六天,数据存储,持久化
  14. 计算机体系结构:Chapter 5 :ILP(指令级并行)
  15. HTTP权威指南读后感
  16. 智能人员考勤系统(C语言)
  17. 完数什么意思_数学中质数和合数是什么意思
  18. HTML 基础知识简介
  19. 模仿qq空间评论以及回复
  20. MFC单文档中,增加,删除 工具栏图标

热门文章

  1. 《设计模式详解》创建型模式 - 原型模式
  2. 6-4 开班简介1
  3. 虚拟机NAT模式下 Host ‘192.168.x.1‘ is not allowed to connect to this MySQL server 问题解决!
  4. 走进我的交易室03_第一步成功的外部障碍
  5. 90%的人都做错的用户画像,到底应该怎么做?
  6. 新闻媒体是怎样使用计算机的,计算机技术在新闻上的应用
  7. matlab数据显示格式,如何使用MATLAB以图形格式记录和显示数据
  8. python做马尔科夫模型预测法_用Python实现马尔可夫链蒙特卡罗
  9. centos7系统使用杀毒软件clamav
  10. Bootstrap 按钮