news 2026/6/15 12:57:13

2025年信息学奥赛CSP-S2提高组题解

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
2025年信息学奥赛CSP-S2提高组题解

CSP-S 第二轮算法比赛已于昨日结束;下面分享我的题解。

第一题,难度为普及+/提高,后悔贪心,难度还好,即使不会可以得到 70 分

第二题,难度为提高+/省选−,剪枝或者多路合并,会卡住不少人,不过被卡了可以得 80 分

第三题,难度为省选/NOI−,哈希与 AC 自动机会简单一些,暴力可以得 80 分

第四题,难度为省选/NOI−,三维动态规划,难度非常大,属于 noi 级别的题目了,暴力只能得 28 分

这样看来,不会高端算法,暴力可以得70+80+80+28=258

PS1:我觉得第四条应该有 NOI 级别黑题了,毕竟三维动态规划,还涉及到排列组合,太复杂了。

PS2:后面我会基于这次比赛的题型,来展开介绍最小生成树、字符串、动态规划等相关算法专题

一、社团招新(club)

题意:我们学校的算法协会招募了n名新成员,其中n是一个偶数。

现在需要将这些新成员分配到协会的三个部门中。

每个新成员对这三个部门都有一个满意度得分。

我们的目标是找到一个分配方案,使得所有成员的满意度之和最大。

但是,分配有一个限制条件:任何一个部门分配到的新成员数量都不能超过n/2

简而言之,就是要在限制每个部门人数不超过总人数一半的前提下,最大化总满意度。

最优解:后悔贪心

思路1:动态规划

状态定义:dp[i][j][k]表示前i名新成员中,分配到部门 1 的人数为j、分配到部门 2 的人数为k时的最大满意度(注意部门 3 的人数为i - j - k)。

状态转移方程:第 i 个人枚举分配到哪个部门(下面用 j,k 表示部门 1/2 的人数,c 表示部门 3):

// 假设 c = i - j - k dp[i][j][k] = -INF; // 或者初始化为 -1 表示不可达 // 选择 A(部门1) if (j > 0 && dp[i - 1][j - 1][k] != -1) { dp[i][j][k] = max(dp[i - 1][j - 1][k] + a1, dp[i][j][k]); } // 选择 B(部门2) if (k > 0 && dp[i - 1][j][k - 1] != -1) { dp[i][j][k] = max(dp[i - 1][j][k - 1] + a2, dp[i][j][k]); } // 选择 C(部门3) int c = i - j - k; if (c > 0 && dp[i - 1][j][k] != -1) { dp[i][j][k] = max(dp[i - 1][j][k] + a3, dp[i][j][k]); }

答案:枚举所有情况,求最大值。

for (int a = 0; a <= n; a++) { for (int b = 0; b <= n; b++) { ans = max(ans, dp[n][a][b]); } }

复杂度:O(n^3)

得分:55 分

特殊性质 A:a2 和 a3 全为 0

思路:在这种情况下只需从 a1 中选择最大的 n/2 个,其余分配为 0

得分:60 分

// 特殊性质 A: a2 和 a3 全为 0 if (sum2 == 0 && sum3 == 0) { // a1 中选择最大的 n/2 个,其他选 0 sort(a.begin(), a.end(), greater<tuple<ll, ll, ll>>()); ll ans = 0; for (int i = 0; i < n / 2; i++) { ans += get<0>(a[i]); } printf("%lld\n", ans); }

特殊性质 C:独立均匀随机生成

思路:当样本是独立均匀随机生成时,直接对每个人选择三项中的最大值(不考虑 n/2 限制)通常能取得较好结果。

得分:70 分

// 特殊性质 C:贪心选择 ll ans = 0; for (auto& [a1, a2, a3] : a) { ans += max(a1, max(a2, a3)); } printf("%lld\n", ans);

最优解:后悔贪心

根据容忍与鸽巢原理,可以得到几个性质。

性质1:最多有一个部门的人数超过n/2(若两部门都超过n/2,则两者之和 > n,矛盾)。

性质2:如果将某个超过n/2的部门通过调整(按最小代价把多余成员转出)降到n/2,则调整结束后不会让其他部门超过n/2(因为总人数固定为n)。

根据上面的两个性质,可以先贪心,再反悔贪心

贪心:不考虑n/2限制,贪心选择最大值。

反悔:对于超过n/2的部门,选择一些人反悔选择这个部门,改为选择其他部门(选择哪个不重要,根据性质2其他部门不会超过限制)。

所以这里就需要决策哪些人反悔

定义反悔代价:假设一个人当前部门的满意度是 a1(贪心的最大值),另外两个部门的满意度是 a2 和 a3,那么反悔代价就是a1 - max(a2, a3)

显然,需要选择反悔代价最小的那些人,直到该部门人数不超过n/2

复杂度:O(n log(n))

得分:100 分

vector<ll> g[3]; // g[0].push_back(a1 - max(a2, a3)); // 输入与贪心选择,代码省略 // 后悔贪心, 找到超过 n/2 的部门 i int sz = g[i].size(); sort(g[i].begin(), g[i].end()); for (int j = 0; j < sz - n / 2; j++) { ans -= g[i][j]; }

二、道路修复(road)

题意:我们有一个由N个城市和M条双向道路构成的交通系统。

最初,所有M条道路都已损坏,修复第i条道路的费用是w_i

此外,还有K个乡镇可以进行城市化改造。对第j个乡镇进行城市化改造的费用是c_j

改造后,可以在该乡镇和原有的N个城市之间修建道路,乡镇j到城市i的修建费用是a_{j,i}

我们的目标是:选择任意多个乡镇进行城市化改造(可以选择0)。

修复一些原有道路,并修建一些新的乡镇-城市道路。

最终使得原有的N个城市两两连通。

求出达成这一目标的最小总费用(乡镇改造费 + 道路修复/新建费)。

最优解:最小生成树+剪枝

思路1:暴力枚举

暴力枚举所有乡镇的选择方案,合并所有边,排序,最后求最小生成树。

关于如何枚举所有子集,请关注博客。

const int MASK = (1 << k) - 1; for (int sub = MASK; sub; sub = (sub - 1) & MASK) { townSelectEdges = baseEdges; ll subCost = 0; int selectNum = 0; for (int i = 0; i < k; i++) { if ((sub >> i) & 1) { selectNum++; // 选择第 i 个乡镇 s
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/15 8:00:40

Open-AutoGLM实战:从0到1搭建高精度访问行为预警系统(附代码模板)

第一章&#xff1a;Open-AutoGLM 访问行为异常预警系统概述Open-AutoGLM 是一个基于大语言模型与自动化推理引擎构建的访问行为异常检测系统&#xff0c;旨在实时监控用户请求模式&#xff0c;识别潜在的安全威胁或非正常操作行为。该系统融合了自然语言理解、行为建模与动态阈…

作者头像 李华
网站建设 2026/6/13 22:43:52

C++调试宏与断言

1. 调试宏 __FUNCTION__&#xff1a;函数名__TIME__&#xff1a;文件运行的时间&#xff08;注意&#xff1a;是文件运行时间&#xff0c;而不是运行该行的时间&#xff09;__LINE__&#xff1a;所在行数__FILE__&#xff1a;文件的名字__DATA__&#xff1a;日期 注意&#xff…

作者头像 李华
网站建设 2026/6/15 12:41:41

科研起航新利器:书匠策AI开题报告功能,为学术梦想筑牢根基

在科研的漫漫征途中&#xff0c;开题报告宛如一座明亮的灯塔&#xff0c;为我们照亮前行的方向&#xff0c;指引着我们精准驶向学术的彼岸。它不仅是开启研究项目的关键钥匙&#xff0c;更是展现研究者学术素养与研究能力的重要窗口。然而&#xff0c;撰写一份高质量的开题报告…

作者头像 李华
网站建设 2026/6/15 11:25:29

揭秘Open-AutoGLM访问控制机制:如何高效阻断恶意请求

第一章&#xff1a;揭秘Open-AutoGLM访问控制机制的核心原理 Open-AutoGLM 作为新一代自动化大语言模型平台&#xff0c;其访问控制机制在保障系统安全与多租户隔离方面起着关键作用。该机制基于属性基加密&#xff08;Attribute-Based Encryption, ABE&#xff09;与动态策略评…

作者头像 李华
网站建设 2026/6/14 23:08:44

LangFlow sitemap.xml生成工具推荐

LangFlow 在 sitemap.xml 自动生成中的实践探索 在搜索引擎优化&#xff08;SEO&#xff09;的实际工程中&#xff0c;sitemap.xml 一直是网站与爬虫之间沟通的“桥梁”。传统生成方式依赖静态扫描或 CMS 插件&#xff0c;虽然稳定但缺乏语义理解能力&#xff0c;难以应对现代动…

作者头像 李华