Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
いろいろな問題の解説
Search
Masaki Hara
July 05, 2013
Programming
0
190
いろいろな問題の解説
IOI2013 直前合宿にて, HotterColder, SaveIt, Parrots, Maze, Disparityの解説
Masaki Hara
July 05, 2013
Tweet
Share
More Decks by Masaki Hara
See All by Masaki Hara
バックエンドのためのアプリ内課金入門 (サブスク編)
qnighy
8
1.8k
Dockerfileの考え方
qnighy
45
17k
Arm移行タイムアタック
qnighy
1
510
Quine, Polyglot, 良いコード
qnighy
5
740
Prolog入門
qnighy
5
1.5k
Rubyのobject_id
qnighy
6
1.6k
Getting along with YAML comments with Psych
qnighy
2
2.3k
状態設計から「なんとなく」を無くそう
qnighy
85
28k
日付時刻A to Z
qnighy
1
640
Other Decks in Programming
See All in Programming
2024年のkintone API振り返りと2025年 / kintone API look back in 2024
tasshi
0
220
Conform を推す - Advocating for Conform
mizoguchicoji
3
690
ペアーズでの、Langfuseを中心とした評価ドリブンなリリースサイクルのご紹介
fukubaka0825
2
320
Software Architecture
hschwentner
6
2.1k
時計仕掛けのCompose
mkeeda
1
290
TokyoR116_BeginnersSession1_環境構築
kotatyamtema
0
110
Rails アプリ地図考 Flush Cut
makicamel
1
120
もう僕は OpenAPI を書きたくない
sgash708
4
1.5k
Amazon Bedrock Multi Agentsを試してきた
tm2
1
280
XStateを用いた堅牢なReact Components設計~複雑なClient Stateをシンプルに~ @React Tokyo ミートアップ #2
kfurusho
1
900
Grafana Cloudとソラカメ
devoc
0
170
ファインディの テックブログ爆誕までの軌跡
starfish719
2
1.1k
Featured
See All Featured
Building Flexible Design Systems
yeseniaperezcruz
328
38k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
27
1.9k
Stop Working from a Prison Cell
hatefulcrawdad
267
20k
Designing on Purpose - Digital PM Summit 2013
jponch
117
7.1k
For a Future-Friendly Web
brad_frost
176
9.5k
Automating Front-end Workflow
addyosmani
1368
200k
Making the Leap to Tech Lead
cromwellryan
133
9.1k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
280
13k
What's in a price? How to price your products and services
michaelherold
244
12k
Six Lessons from altMBA
skipperchong
27
3.6k
Mobile First: as difficult as doing things right
swwweet
223
9.3k
VelocityConf: Rendering Performance Case Studies
addyosmani
328
24k
Transcript
いろいろな問題の解説 Masaki Hara IOI2013直前合宿にて
目次 • Hotter Colder (IOI 2010) • SaveIt (IOI 2010)
• Parrots (IOI 2011) • Maze (IOI 2010) • Disparity (JOI Open 2013)
Hotter Colder • 1以上N以下の整数を当てたい • 1以上N以下の整数を質問する • 直前に聞いたときよりも近いか遠いかがわか る •
できるだけ少ない回数で当てたい
Hotter Colder • 考察 △ △ 直前に質問した位置 今回質問した位置
Hotter Colder • 考察 △ • △ 直前に質問した位置 今回質問した位置 Colder
Hotter Colder • 考察 △ • △ 直前に質問した位置 今回質問した位置 Same
Hotter Colder • 考察 △ • △ 直前に質問した位置 今回質問した位置 Hotter
Hotter Colder • 考察 Colder Same Hotter 直前に質問した位置 今回質問した位置
Hotter Colder • 考察 Colder Same Hotter 直前に質問した位置 今回質問した位置
Hotter Colder • 考察 • 大きいか小さいかがわかる • 基準: (直前のクエリ +
今回のクエリ) / 2
Hotter Colder • 普通の「大きい/小さい」問題との違い
Hotter Colder • 普通の「大きい/小さい」問題との違い – 思った通りの質問ができないことがある – 例1: 直前に5を質問しているときに5との大小 –
例2: 直前に5を質問しているときに1との大小
Hotter Colder • 対策
Hotter Colder • 対策1: 1クエリに2回質問する – こうすれば必ず好きな質問ができる • (50点)
Hotter Colder • 対策2: 大きい/小さい/同じ の3値情報である ことを利用する – クエリの回数を少しだけ減らせる •
(75点)
Hotter Colder • 満点解法
Hotter Colder • 満点解法を考える前に、小さいケースで試す
Hotter Colder • 問題 – Nが与えられたとき、質問回数を最小化しなさい – N <= 100
Hotter Colder • 問題 – Nが与えられたとき、質問回数を最小化しなさい – N <= 100
• 解答 – DP – dp[直前の質問,絞り込んだ範囲] =そこからの質問回数
Hotter Colder • これを実際に実行するとわかること – 十分小さいときは、1→3→5→7の順番で質問する のが良い – それより大きいときは、 =
3 ⋅ 2 − 1のときが一 番効率がよい
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • 1回目の質問
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • 1回目の質問 2回目の質問
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • 1回目の質問 2回目の質問
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • • 1回目の質問 2回目の質問 3回目の質問
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • • 1回目の質問 2回目の質問 3回目の質問 両方右側に進んだ場合: 右端で2分探索 (毎回のクエリを必ず実行できる)
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • • 1回目の質問 2回目の質問 3回目の質問 右左の順に進んだ場合: 中央で2分探索 (毎回のクエリを必ず実行できる)
Hotter Colder • = 3 ⋅ 2 − 1 の場合の戦略
23 − 1個 23 − 1個 23 − 1個 • • 1回目の質問 2回目の質問 最初に左に進んだ場合: 左端で2分探索 (2回目の結果は使わない)
Hotter Colder • これによりどの場合でも均等に効率よくクエリ を消費することができる
Hotter Colder • これによりどの場合でも均等に効率よくクエリ を消費することができる • あとは、境界条件に注意しながらNが一般の 場合に拡張する(結構むずい)
Hotter Colder • Hotter Colder 教訓: 実験は大事
SaveIt • グラフ中の最短経路を何セットか求めたい – 高々1000個の頂点と高々36個のハブの間の最 短経路たちを求めたい • 通信計算量を小さくしてね – 質問をそのまま送っても、答えをそのまま送って
も、損失が出る
SaveIt • グラフ中の最短経路を何セットか求めたい – 高々1000個の頂点と高々36個のハブの間の最 短経路たちを求めたい • 通信計算量を小さくしてね – 質問をそのまま送っても、答えをそのまま送って
も、損失が出る
SaveIt • 質問をそのまま送る: 25点 • 答えをそのまま送る: 50点
SaveIt • 共通する構造を抜き出す • 差分をとることで情報を圧縮する • ということから、次のように考える
SaveIt • 全域木を1つ決める • ハブとの距離は、親との差分で定める
SaveIt • 全域木を1つ決める • ハブとの距離は、親との差分で定める
SaveIt • 全域木を1つ決める • ハブとの距離は、親との差分で定める 2 1 0 1 1
2
SaveIt • 全域木を1つ決める • ハブとの距離は、親との差分で定める +1 -1 +1 -1 0
SaveIt • 全域木の情報 – ノード数1000 × ノード番号10bit = 10000bit •
ハブからの距離 – ハブ数36 × ノード数1000 × 差分2bit = 72000bit
SaveIt • 全域木の情報 – ノード数1000 × ノード番号10bit = 10000bit •
ハブからの距離 – ハブ数35 × ノード数1000 × 差分2bit = 70000bit • 全域木を、ハブ0からのBFSで構築すると、情 報を節約できる • (75点)
SaveIt • 全域木の情報 – ノード数1000 × ノード番号10bit = 10000bit •
ハブからの距離 – ハブ数36 × ノード数1000 × 差分5/3bit = 60000bit • 差分は3通りなので3つまとめて5bitで送れる • (100点)
Parrots • オウムに乗せてデータを送る • データの到着順はわからない
Parrots • SaveItのパクリっぽい問題 • 何か良い圧縮方法がある?
Parrots • SaveItのパクリっぽい問題 • 何か良い圧縮方法がある?
Parrots • SaveItのパクリっぽい問題 • 何か良い圧縮方法がある?
Parrots • SaveItのパクリっぽい問題 • 何か良い圧縮方法がある?
Parrots • 単に番号をつければいい
Parrots • 単に番号をつければいい 状況 番号 オウム0羽 0 オウム1羽(0) 1 :
: オウム1羽(255) 256 オウム2羽(0,0) 257 オウム2羽(0,1) 258 : :
Parrots • どのように番号をつけるか?
Parrots • どのように番号をつけるか? • 前処理: 常に一定数のオウムを送るものとし て扱う(送らない分は256というデータだと考え る)
Parrots • どのように番号をつけるか? • 「y未満の自然数x個からなる単調非減少列」 を考えればよい • これは何個あるか?
Parrots • どのように番号をつけるか? • 「y未満の自然数x個からなる単調非減少列」 を考えればよい • これは何個あるか? • 実は、
+ 個ある
Parrots • 証明 – = 0のとき、空の列はちょうど1通り。 – = 0のとき、0からなる列はちょうど1通り。 –
数列の末尾が − 1に等しい場合の列は帰納法 の仮定より + − 1 − 1 通り 一方、それ以外の場合の列は帰納法の仮定より + − 1 通り なので帰納法より正しい
Parrots • この証明と同じ手順で符号化・復号ができる
Parrots • この証明と同じ手順で符号化・復号ができる
Parrots / SaveIt • Parrots / SaveIt 教訓: – SaveItみたいに発想力が試されるものもある
– でもParrotsみたいにただ対応させるだけというも のもある
Maze • 畑を切り開いて迷路を作ります • 幅優先探索したときの深さを大きくしたい • 切り開ける場所と切り開けない場所がありま す • 10問
Maze • 困難な最適化問題の一般的なテク
Maze • 困難な最適化問題の一般的なテク – 基本は局所探索
Maze • 困難な最適化問題の一般的なテク – 基本は局所探索 – ランダム要素を加えて局所探索+繰り返し試行 がオススメ • 実装が簡単
• 時間をかければ多少は改善するようになる
Maze • 困難な最適化問題の一般的なテク – 基本は局所探索 – ランダム要素を加えて局所探索+繰り返し試行 がオススメ – 少し工夫したいならSAっぽいことをやると良い
Maze • 困難な最適化問題の一般的なテク – 基本は局所探索 – ランダム要素を加えて局所探索+繰り返し試行 がオススメ – 職人の技が光るところ
• 近傍の定め方 • 評価関数の定め方 • 焼きなまし等のパラメーター
Maze • 入力の傾向
Maze • Field1 – むっちゃ簡単
Maze • Field2,4 – 簡単そう
Maze • Field2 – これはよく見るとどうやって生成したかわかる
Maze • Field3,5 – 格子が入っている
Maze • Field3,5 – 格子が入っている – NP困難性の証明に使われた?
Maze • Field7,8 – 小さい
Maze • Field6,9 – まっしろ
Maze • FieldA – おおきい
Maze • FieldAの特徴: 大域的な探索をうまくする必 要があって難しい – 手でやる?
Maze • FieldAの特徴: 大域的な探索をうまくする必 要があって難しい – 手でやる? – 手で大域的な解を作って局所探索をするという手 もある
Maze • FieldAの特徴: 大域的な探索をうまくする必 要があって難しい – 手でやる? – 手でやる場合の注意: 斜めに進んだほうが効率
的
Disparity • 有権者の数ができるだけ均等になるように小 選挙区を定めて下さい • 5問
Disparity • データの傾向
Disparity • データの傾向 – 01,03,05
Disparity • データの傾向 – 04
Disparity • データの傾向 – 04
Disparity • データの傾向 – 02
Disparity • 近傍の定め方 • 以下の近傍はどうか?
Disparity • 近傍の定め方 • 以下の近傍はどうか? • あんまり良くない(幅が大きすぎて微調整がき かない)
Disparity • 近傍を次のようにとる 境界10個くらいを抽出 一番良い境界を探す
Disparity • 評価関数の定め方:disparityそのものを評価 関数とする?
Disparity • 評価関数の定め方:disparityそのものを評価 関数とする? – 最大の地域・最小の地域を動かさないと評価に 反映されない
Disparity • 評価関数の定め方:disparityそのものを評価 関数とする? – 最大の地域・最小の地域を動かさないと評価に 反映されない – 例えば:分散を使うと勾配がきれいにつく
まとめ • これをやれば良いという定石はあんまないっ ぽい
まとめ • これをやれば良いという定石はあんまないっ ぽい • せっかくなので楽しんで