news 2026/6/10 16:53:48

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 2026/6/9 18:30:10

LangFlow + GPU算力:释放大模型Token生成的极致性能

LangFlow GPU算力&#xff1a;释放大模型Token生成的极致性能 在AI应用开发日益复杂的今天&#xff0c;一个核心矛盾正变得愈发突出&#xff1a;开发者需要快速验证创意、频繁调整提示工程、灵活组合检索与推理模块&#xff0c;但传统编码方式却让每一次改动都变成一场耗时的调…

作者头像 李华
网站建设 2026/6/10 0:07:44

CentOS-Stream-10 搭建FTP服务器之匿名访问

通过vsftp搭建ftp服务器。 1.安装vsftp。 yum install vsftpd -y systemctl start vsftpd systemctl enable vsftpd systemctl status vsftpd 2.关掉selinux。 3.防火墙开放ftp服务器。 firewall-cmd --add-serviceftp --permanent firewall-cmd --reload 4./etc/vsftpd/vs…

作者头像 李华
网站建设 2026/6/10 16:04:53

LangFlow使用指南:如何通过拖拽组件快速搭建大模型流程

LangFlow使用指南&#xff1a;如何通过拖拽组件快速搭建大模型流程 在大模型应用开发的战场上&#xff0c;一个常见的困境是&#xff1a;想法明明几分钟就能说清楚&#xff0c;可真正写起代码来却要花上几小时甚至几天。尤其是当你要组合多个LLM组件——比如提示词模板、记忆模…

作者头像 李华
网站建设 2026/6/9 2:08:29

LangFlow如何帮助你快速验证大模型应用原型?

LangFlow&#xff1a;如何让大模型原型验证变得像搭积木一样简单&#xff1f; 在探索大语言模型应用的道路上&#xff0c;你是否也经历过这样的场景&#xff1a;灵光一现想到了一个绝佳的AI产品创意——比如一个能自动整理会议纪要并生成待办事项的智能助手。于是你打开编辑器&…

作者头像 李华
网站建设 2026/6/4 14:25:19

为什么你的Open-AutoGLM没报警?深度剖析监控盲区与修复方案

第一章&#xff1a;Open-AutoGLM 异常访问监控配置在部署 Open-AutoGLM 框架时&#xff0c;确保系统安全与稳定运行的关键环节之一是配置高效的异常访问监控机制。通过合理的规则设定和日志分析策略&#xff0c;能够及时识别并阻断潜在的恶意请求或异常行为模式。启用访问日志记…

作者头像 李华