news 2026/9/21 10:31:56

UVa 10654 The Uxuhul Voting System

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
UVa 10654 The Uxuhul Voting System

题目分析

本题描述了一个古代文明的投票系统,我们需要根据每位祭司的偏好顺序,推算出最终三个议题的投票结果。这个问题的核心在于每位祭司都会基于后续祭司的最优选择来做出自己的最优决策,因此我们需要逆向推理整个投票过程。

问题重述

  • 有三个议题,每个议题用一块双面石头表示(黑面N/ 白面Y)。
  • 初始状态为NNN(全否)。
  • m mm位祭司按年龄从小到大依次投票。
  • 每位祭司必须翻转恰好一块石头,改变一个议题的当前结果。
  • 投票结束后,石头的最终朝上面决定三个议题的最终结果。
  • 每位祭司在投票前会公开自己对8 88种可能结果的偏好顺序(1表示最喜欢,8表示最不喜欢)。
  • 每位祭司都是完美理性的,会根据已知的其他祭司偏好,选择能使最终结果对自己最有利的翻转方式。
  • 给定n nn个测试用例,每个用例给出m mm和每位祭司的偏好顺序,要求输出最终的投票结果。

关键点

  1. 状态表示:三个议题共有2 3 = 8 2^3 = 823=8种状态,可以用0 007 77的整数表示,其中二进制位0 00表示第一个议题(最低位对应第一块石头),1表示N0表示Y(或者反过来,只要一致即可)。在代码中我们使用outcomes数组进行映射。
  2. 决策顺序:祭司按年龄从小到大投票,但决策逻辑是逆向的。因为最后一位祭司投票后状态即为最终结果,而前面的祭司会预判后续祭司的选择。
  3. 最优子结构:对于当前祭司,他可以根据下一个祭司在不同状态下的最终结果,选择对自己最有利的翻转方式。这符合动态规划的特性。

解题思路

逆向动态规划

d p [ i ] [ s t a t e ] dp[i][state]dp[i][state]表示从第i ii位祭司(0-based)开始投票,当前状态为s t a t e statestate0 − 7 0 - 707)时,最终会达到的结果(用0 − 7 0 - 707表示,对应8 88种结果)。

  • 边界条件:当所有祭司都投票完毕(即i = m i = mi=m),最终状态就是当前状态,所以d p [ m ] [ s t a t e ] = s t a t e dp[m][state] = statedp[m][state]=state
  • 状态转移:对于第i ii位祭司,当前状态为s t a t e statestate,他可以翻转三块石头中的任意一块。翻转第k kk块石头(k = 0 , 1 , 2 k = 0,1,2k=0,1,2)会得到新状态n e x t S t a t e = s t a t e ⊕ ( 1 ≪ k ) nextState = state \oplus (1 \ll k)nextState=state(1k)(异或操作翻转对应位)。然后,第i + 1 i+1i+1位祭司在该状态下的最终结果是d p [ i + 1 ] [ n e x t S t a t e ] dp[i+1][nextState]dp[i+1][nextState]。第i ii位祭司会从这三种可能的n e x t S t a t e nextStatenextState中,选择使自己的偏好值最小(即最喜欢)的那个最终结果作为自己的选择,并将该结果记录在d p [ i ] [ s t a t e ] dp[i][state]dp[i][state]中。

转移方程

d p [ i ] [ s t a t e ] = arg ⁡ min ⁡ k ∈ { 0 , 1 , 2 } p r e f e r e n c e s [ i ] [ d p [ i + 1 ] [ s t a t e ⊕ ( 1 ≪ k ) ] ] dp[i][state] = \arg\min_{k \in \{0,1,2\}} preferences[i][\,dp[i+1][\,state \oplus (1 \ll k)\,]\,]dp[i][state]=argk{0,1,2}minpreferences[i][dp[i+1][state(1k)]]

其中arg ⁡ min ⁡ \arg\minargmin返回的是对应偏好值最小的那个最终结果编号。

计算步骤

  1. 读取测试用例数n nn
  2. 对每个用例:
    • 读取祭司人数m mm
    • 读取m mm行偏好顺序,每行 8 个整数。
    • 初始化d p [ m ] [ 0..7 ] dp[m][0..7]dp[m][0..7]为对应状态值。
    • i = m − 1 i = m-1i=m10 00逆序计算d p [ i ] [ s t a t e ] dp[i][state]dp[i][state]
    • 最终d p [ 0 ] [ 0 ] dp[0][0]dp[0][0]就是从第一位祭司、初始状态NNN(即0 00)开始最终会达到的结果编号。
    • 通过outcomes数组转换为字符串输出。

复杂度分析

  • 状态数:m × 8 m \times 8m×8
  • 每个状态需要尝试3 33种翻转。
  • 总时间复杂度:O ( n × m × 8 × 3 ) = O ( 24 n m ) O(n \times m \times 8 \times 3) = O(24nm)O(n×m×8×3)=O(24nm),在n , m < 100 n, m < 100n,m<100时完全可行。
  • 空间复杂度:O ( m × 8 ) O(m \times 8)O(m×8)

代码实现

// The Uxuhul Voting System// UVa ID: 10654// Verdict: Accepted// Submission Date: 2025-12-14// UVa Run Time: 0.000s//// 版权所有(C)2025,邱秋。metaphysis # yeah dot net#include<bits/stdc++.h>usingnamespacestd;// 8种可能的结果字符串,索引0~7对应状态0~7conststring outcomes[]={"NNN","NNY","NYN","NYY","YNN","YNY","YYN","YYY"};intmain(){intn;cin>>n;while(n--){intm;cin>>m;vector<vector<int>>preferences(m,vector<int>(8));// 读取每位祭司的偏好顺序for(inti=0;i<m;i++)for(intj=0;j<8;j++)cin>>preferences[i][j];// dp[i][state] 表示从第i位祭司开始,当前状态为state时,最终结果的编号vector<vector<int>>dp(m+1,vector<int>(8,0));// 边界:最后一位祭司之后,状态即最终结果for(intstate=0;state<8;state++)dp[m][state]=state;// 逆序DP,从最后一位祭司往前推for(inti=m-1;i>=0;i--){for(intstate=0;state<8;state++){intbestPreference=INT_MAX;// 偏好值越小越好intbestOutcome=-1;// 尝试翻转三块石头中的一块for(intflip=0;flip<3;flip++){intnextState=state^(1<<flip);// 翻转第flip位intfinalOutcome=dp[i+1][nextState];// 后续祭司的最终结果// 选择对自己最有利的(偏好值最小)if(preferences[i][finalOutcome]<bestPreference){bestPreference=preferences[i][finalOutcome];bestOutcome=finalOutcome;}}dp[i][state]=bestOutcome;}}// 输出从第一位祭司、初始状态0(NNN)开始的最终结果cout<<outcomes[dp[0][0]]<<endl;}return0;}

总结

本题是一个典型的逆向动态规划问题,关键在于理解每位祭司的决策依赖于后续祭司的最优选择。通过从最后一位祭司开始向前递推,我们可以确定在任意状态下最终会达到的结果。最终答案即为d p [ 0 ] [ 0 ] dp[0][0]dp[0][0]对应的结果字符串。

这种“逆推最优决策”的思想在博弈论和动态规划中非常常见,本题提供了一个很好的应用实例。

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 2026/9/22 1:38:34

戴西HPC高性能计算平台:为工业仿真打造的专业计算引擎

在工业产品研发进入数字化深水区的今天&#xff0c;仿真计算正在从“辅助设计”转变为“研发核心驱动力”。更复杂的模型、更精细的网格、更长的求解时间&#xff0c;使得企业急需一个稳定、灵活、可视化且易用的高性能计算平台&#xff0c;帮助工程师从传统单机的性能瓶颈和算…

作者头像 李华
网站建设 2026/9/22 0:02:28

上门家政小程序运营模式:3 个月用户破 5 万,复购率 75% 的赚钱逻辑

一、核心运营逻辑&#xff1a;破解 3 大行业痛点&#xff0c;立足本地化刚需​上门家政的运营核心&#xff0c;是抓住 “同城刚需 信任稀缺 服务标准化” 三大关键点&#xff0c;破解行业 “获客难、纠纷多、复购低” 痛点&#xff0c;头部平台实现 3 个月同城用户破 5 万、复…

作者头像 李华
网站建设 2026/9/21 3:08:31

18、深入解析域名服务(DNS):原理、架构与应用

深入解析域名服务(DNS):原理、架构与应用 1. 域名系统(DNS)概述 域名系统(DNS)克服了主机表的两大主要弱点: - 可扩展性强 :它并非依赖单一的大表,而是分布式数据库系统,不会随着数据库的增长而变慢。目前,DNS能提供约1600万台主机的信息,而主机表中列出的主…

作者头像 李华
网站建设 2026/9/21 19:56:37

【李沐 | 动手实现深度学习】9-1 Pytorch神经网络基础

每天起床第一句&#xff0c;“你今天Deep Learning”了吗&#x1f60d;&#x1f60d;hahaha &#x1f62d;&#x1f62d;每天一睁眼就困&#x1f62a;&#x1f62a;。。。 今天的内容比较简单&#xff0c;第5章深度网络计算 ~~~ 我觉得可以不用敲代码&#xff0c;理解就可以啦…

作者头像 李华
网站建设 2026/9/21 17:02:28

Miniconda安装后无法使用conda命令?原因与解决方法

Miniconda安装后无法使用conda命令&#xff1f;原因与解决方法 在搭建AI开发环境时&#xff0c;你是否遇到过这样的尴尬&#xff1a;明明已经顺利执行了Miniconda的安装脚本&#xff0c;可一输入conda --version&#xff0c;终端却冷冷地回你一句“command not found”&#x…

作者头像 李华
网站建设 2026/9/20 17:39:17

LobeChat插件系统详解:如何扩展AI助手的无限可能?

LobeChat插件系统详解&#xff1a;如何扩展AI助手的无限可能&#xff1f; 在今天的智能对话时代&#xff0c;用户早已不满足于一个只会“聊天”的AI。我们期待它能查天气、订会议室、读邮件、写周报——一句话的事&#xff0c;不该再手动点五六下界面。但大多数开源聊天界面仍停…

作者头像 李华