一、先搞清楚几个概念：1、屏幕分辨率（px）：分辨率是手机屏幕的像素点总数，一般用屏幕宽的像素点数乘以屏幕高的像素点数。分辨率越大屏幕越细腻，能够显示的细节就越多。常用的分辨率有320x240、640x480、1280x720、1280x960、1080x1920、2560x1440等，单位是像素。比如1080x1920表示屏幕宽度方向上有1080个像素，屏幕高方向上有1920个像素2、像素密度(dpi)：指每英寸的屏幕中包含的像素数量3、屏幕密度:是像素密度的另一种表示形式，android以像素密度160dpi为基准对屏幕进行划分，当像素密度为160dpi时屏幕密度为1.0，像素密度为120
[蓝桥杯2022省A]选数异或题目描述给定一个长度为nnn的数列A1,A2,⋯ ,AnA_{1},A_{2},\cdots,A_{n}A1,A2,⋯,An和一个非负整数xxx,给定mmm次查询,每次询问能否从某个区间[l,r][l,r][l,r]中选择两个数使得他们的异或等于xxx。输入格式输入的第一行包含三个整数n,m,xn,m,xn,m,x。第二行包含nnn个整数A1,A2,⋯ ,AnA_{1},A_{2},\cdots,A_{n}A1,A2,⋯,An。接下来mmm行，每行包含两个整数li,ril_{i},r_{i}li,ri表示询问区间[li,ri]\left[l_{i}
[蓝桥杯2022省A]选数异或题目描述给定一个长度为nnn的数列A1,A2,⋯ ,AnA_{1},A_{2},\cdots,A_{n}A1,A2,⋯,An和一个非负整数xxx,给定mmm次查询,每次询问能否从某个区间[l,r][l,r][l,r]中选择两个数使得他们的异或等于xxx。输入格式输入的第一行包含三个整数n,m,xn,m,xn,m,x。第二行包含nnn个整数A1,A2,⋯ ,AnA_{1},A_{2},\cdots,A_{n}A1,A2,⋯,An。接下来mmm行，每行包含两个整数li,ril_{i},r_{i}li,ri表示询问区间[li,ri]\left[l_{i}
😽PREFACE🎁欢迎各位→点赞👍+收藏⭐+评论📝📢系列专栏：蓝桥杯🔊本专栏涉及到的知识点或者题目是算法专栏的补充与应用💪种一棵树最好是十年前其次是现在DPDP就是动态规划，其类型有以下两个特征：重叠子问题：子问题是原大问题的小版本，计算步骤完全一样，计算大问题要多次重复计算小问题。最优子结构：大问题的最优解包含小问题的最优解，可通过小问题去求解大问题。0/1背包问题有N件物品和一个容量是V的背包。每件物品只能使用一次。第i件物品的体积是vi，价值是wi。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。输入格式第一行两个整数，N，V，用空格隔开，分别表示
😽PREFACE🎁欢迎各位→点赞👍+收藏⭐+评论📝📢系列专栏：蓝桥杯🔊本专栏涉及到的知识点或者题目是算法专栏的补充与应用💪种一棵树最好是十年前其次是现在DPDP就是动态规划，其类型有以下两个特征：重叠子问题：子问题是原大问题的小版本，计算步骤完全一样，计算大问题要多次重复计算小问题。最优子结构：大问题的最优解包含小问题的最优解，可通过小问题去求解大问题。0/1背包问题有N件物品和一个容量是V的背包。每件物品只能使用一次。第i件物品的体积是vi，价值是wi。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。输入格式第一行两个整数，N，V，用空格隔开，分别表示
JZ46把数字翻译成字符串描述有一种将字母编码成数字的方式：'a'->1,'b->2',...,'z->26'。现在给一串数字，返回有多少种可能的译码结果示例1输入："12"返回值：2说明：2种可能的译码结果（”ab”或”l”）思路思路：对于普通数组1-9，译码方式只有一种，但是对于11-19，21-26，译码方式有可选择的两种方案，因此我们使用动态规划将两种方案累计。具体做法：step1：用辅助数组dp表示前i个数的译码方法有多少种。step2：对于一个数，我们可以直接译码它，也可以将其与前面的1或者2组合起来译码：如果直接译码，则dp[i]=dp[i−1]；如果组合译码，则dp[i]=dp
JZ46把数字翻译成字符串描述有一种将字母编码成数字的方式：'a'->1,'b->2',...,'z->26'。现在给一串数字，返回有多少种可能的译码结果示例1输入："12"返回值：2说明：2种可能的译码结果（”ab”或”l”）思路思路：对于普通数组1-9，译码方式只有一种，但是对于11-19，21-26，译码方式有可选择的两种方案，因此我们使用动态规划将两种方案累计。具体做法：step1：用辅助数组dp表示前i个数的译码方法有多少种。step2：对于一个数，我们可以直接译码它，也可以将其与前面的1或者2组合起来译码：如果直接译码，则dp[i]=dp[i−1]；如果组合译码，则dp[i]=dp
动态规划如果某一问题有很多重叠子问题，使用动态规划是最有效的解题步骤：背包问题：01背包，完全背包，多重背包01背包：统一使用一维数组来进行遍历publicstaticvoidmain(String[]args){int[]weight={1,3,4};int[]value={15,20,30};intbagWight=4;testWeightBagProblem(weight,value,bagWight);}publicstaticvoidtestWeightBagProblem(int[]weight,int[]value,intbagWeight){intwLen=weight.len
动态规划如果某一问题有很多重叠子问题，使用动态规划是最有效的解题步骤：背包问题：01背包，完全背包，多重背包01背包：统一使用一维数组来进行遍历publicstaticvoidmain(String[]args){int[]weight={1,3,4};int[]value={15,20,30};intbagWight=4;testWeightBagProblem(weight,value,bagWight);}publicstaticvoidtestWeightBagProblem(int[]weight,int[]value,intbagWeight){intwLen=weight.len
今天我们先来讲一下状态压缩dp（也称状压dp）。状压dp，顾名思义，就是把状态压缩起来。比如对于8*8的棋盘，每个位置可以放一个棋子，对于在第i行第2个位置和第6个位置放了棋子，我们可能需要8维或9维数组表示。因此我们就有了把一行状态压缩成一个数字的做法。一般我们会转化为二进制，如果每个位置可以有3种状态，那我们可以采用三进制。这样只需要一个大小为2^8的一维数组我们就可以存下所有状态，这就是状态压缩。eg1•现在有n*m的方格棋盘，和无限的1*2的骨牌，问有多少种方法能用骨牌铺满棋盘。•1m) { return; } if(i==m) { ++tot; from[tot]=pr
