news 2026/4/24 2:05:46

《CF961G Partitions》

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
《CF961G Partitions》

题目描述

给定一个包含 n 个元素的集合,元素编号从 1 到 n。第 i 个元素的权值为 wi​。某个子集的权值记为

。将该集合划分为 k 个子集的某个划分 R 的权值为

(回忆一下,集合的划分是指将集合划分为若干个子集,使得每个元素恰好属于一个子集)。

请计算将给定集合划分为恰好 k 个非空子集的所有划分的权值之和,并输出其对 109+7 取模的结果。若存在两个元素 x 和 y,在某个划分中属于同一个子集,在另一个划分中属于不同子集,则这两个划分被认为是不同的。

输入格式

第一行包含两个整数 n 和 k(1≤k≤n≤2⋅105),分别表示元素个数和每个划分中的子集个数。

第二行包含 n 个整数 wi​(1≤wi​≤109),表示集合中每个元素的权值。

输出格式

输出一个整数,表示将集合划分为 k 个非空子集的所有划分的权值之和,对 109+7 取模。

显示翻译

题意翻译

输入输出样例

输入 #1复制

4 2 2 3 2 3

输出 #1复制

160

输入 #2复制

5 2 1 2 3 4 5

输出 #2复制

645

说明/提示

第一个样例的所有可能划分如下:

  1. {{1,2,3},{4}},W(R)=3⋅(w1​+w2​+w3​)+1⋅w4​=24;
  2. {{1,2,4},{3}},W(R)=26;
  3. {{1,3,4},{2}},W(R)=24;
  4. {{1,2},{3,4}},W(R)=2⋅(w1​+w2​)+2⋅(w3​+w4​)=20;
  5. {{1,3},{2,4}},W(R)=20;
  6. {{1,4},{2,3}},W(R)=20;
  7. {{1},{2,3,4}},W(R)=26;

第二个样例的所有可能划分如下:

  1. {{1,2,3,4},{5}},W(R)=45;
  2. {{1,2,3,5},{4}},W(R)=48;
  3. {{1,2,4,5},{3}},W(R)=51;
  4. {{1,3,4,5},{2}},W(R)=54;
  5. {{2,3,4,5},{1}},W(R)=57;
  6. {{1,2,3},{4,5}},W(R)=36;
  7. {{1,2,4},{3,5}},W(R)=37;
  8. {{1,2,5},{3,4}},W(R)=38;
  9. {{1,3,4},{2,5}},W(R)=38;
  10. {{1,3,5},{2,4}},W(R)=39;
  11. {{1,4,5},{2,3}},W(R)=40;
  12. {{2,3,4},{1,5}},W(R)=39;
  13. {{2,3,5},{1,4}},W(R)=40;
  14. {{2,4,5},{1,3}},W(R)=41;
  15. {{3,4,5},{1,2}},W(R)=42。

由 ChatGPT 4.1 翻译

代码实现:

#include<bits/stdc++.h> #define N 200000 #define reg register #define inl inline #define int long long using namespace std; const int md=1e9+7; int n,k,s,a[N+5],f[N+5],iv[N+5]; inl int qp(reg int x,reg int y) { reg int res=1; for(;y;y>>=1,x=x*x%md) if(y&1) res=res*x%md; return res; } inl int calc(reg int x,reg int y) { reg int res=0; for(reg int i=0;i<=y;i++) res=(res+((i&1)?md-1:1)*iv[i]%md*qp(y-i,x)%md*iv[y-i]%md)%md; return res; } signed main() { scanf("%lld %lld",&n,&k); for(reg int i=1;i<=n;i++) { scanf("%lld",&a[i]); s=(s+a[i])%md; } f[0]=1; for(reg int i=1;i<=n;i++) f[i]=f[i-1]*i%md; iv[n]=qp(f[n],md-2); for(reg int i=n-1;i>=0;i--) iv[i]=iv[i+1]*(i+1)%md; reg int ans=s*(calc(n,k)+(n-1)*calc(n-1,k)%md)%md; printf("%lld\n",ans); return 0; }
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 2026/4/18 3:50:29

Llama Factory高效训练秘籍:如何选择合适的云端GPU配置

Llama Factory高效训练秘籍&#xff1a;如何选择合适的云端GPU配置 在大模型微调领域&#xff0c;选择合适的GPU配置往往是项目成功的第一步。面对琳琅满目的云端GPU选项&#xff0c;很多工程师常常陷入选择困难&#xff1a;显存多大才够用&#xff1f;计算单元数量如何影响训…

作者头像 李华
网站建设 2026/4/18 5:41:41

Llama Factory监控指南:实时掌握你的微调进程

Llama Factory监控指南&#xff1a;实时掌握你的微调进程 在大模型微调过程中&#xff0c;团队负责人常常面临一个棘手问题&#xff1a;如何直观了解组员们并行实验的进展&#xff1f;当多个微调任务同时运行时&#xff0c;传统的命令行日志或分散的本地文件很难提供全局视角。…

作者头像 李华
网站建设 2026/4/22 8:58:26

Llama Factory微调实战:构建个性化推荐系统

Llama Factory微调实战&#xff1a;构建个性化推荐系统 作为一名电商开发者&#xff0c;你是否遇到过这样的困境&#xff1a;想要利用大语言模型构建个性化推荐功能&#xff0c;却不知从何入手&#xff1f;本文将带你通过Llama Factory框架&#xff0c;一步步实现一个基于Llama…

作者头像 李华
网站建设 2026/4/18 5:39:56

CRNN OCR在复杂版式文档中的定位技术

CRNN OCR在复杂版式文档中的定位技术 &#x1f4d6; 技术背景&#xff1a;OCR文字识别的挑战与演进 光学字符识别&#xff08;Optical Character Recognition, OCR&#xff09;是将图像中的文字内容转化为可编辑文本的关键技术&#xff0c;广泛应用于票据识别、档案数字化、智能…

作者头像 李华
网站建设 2026/4/22 15:37:38

语音合成延迟高?API响应优化技巧大幅提升效率

语音合成延迟高&#xff1f;API响应优化技巧大幅提升效率 在中文多情感语音合成场景中&#xff0c;响应延迟是影响用户体验的关键瓶颈。尤其是在基于深度学习的端到端模型&#xff08;如 Sambert-Hifigan&#xff09;构建的服务中&#xff0c;尽管音质表现优异&#xff0c;但推…

作者头像 李华