题意把 6 支队伍分成两组，把所有的可能方案按照下面的筛选方式找到最佳方案：思路比较简洁的一个方法是，将每一条方案中的元素都存储到结构体中，然后在结构体中重载运算符，根据给出的筛选策略将所有方案排序，排过序之后的首条方案便是最佳方案。怎么按照筛选策略排序呢？对于一条筛选，在结构体中申请元素表示该筛选条件满不满足，如果满足置为1，否则为0。在重载小于号时，按照该元素从大到小排序。这样满足该条件的就放

7-1 懂的都懂 (20 分)题意：给出n个数a1,a2,a3…an。给出m个数，判断这个数是否为 从n个数中抽4个，这4个数的平均数？思路：

我们在运行或者复现大佬论文代码的时候，笔记本的算力不够，需要使用实验室的服务器进行运行。可以直接在服务器的终端上执行，但是这样的话代码调试就不方便。而我们可以使用 pycharm 连接到服务器，既方便了代码调试，又可以使用服务器的 gpu 进行训练。在服务器上创建一个空白文件夹，将 github 上的代码拉取到这个文件夹中。在主机上创建一个文件夹，将 github 上的代码下载到这个文件夹中。为服

我们在运行或者复现大佬论文代码的时候，笔记本的算力不够，需要使用实验室的服务器进行运行。可以直接在服务器的终端上执行，但是这样的话代码调试就不方便。而我们可以使用 pycharm 连接到服务器，既方便了代码调试，又可以使用服务器的 gpu 进行训练。在服务器上创建一个空白文件夹，将 github 上的代码拉取到这个文件夹中。在主机上创建一个文件夹，将 github 上的代码下载到这个文件夹中。为服

Linking题意：从 nnn 个数中挑选若干数。条件：对于每个位置 iii，该位置和下一位置至少有一个被选。问，挑选的数的 平均数 和 中位数 最大分别为多少？ (中位数：除2上取整）思路：发现如果一个数列满足其平均数不小于 mid，那么 mid 就可以往右走，继续判断，直到不满足了，那么这个 mid 就是能够满足的最大平均数。于是就可以用 二分答案。中位数同理。碰见平均数和中位数就想转化平均数

我们在运行或者复现大佬论文代码的时候，笔记本的算力不够，需要使用实验室的服务器进行运行。可以直接在服务器的终端上执行，但是这样的话代码调试就不方便。而我们可以使用 pycharm 连接到服务器，既方便了代码调试，又可以使用服务器的 gpu 进行训练。在服务器上创建一个空白文件夹，将 github 上的代码拉取到这个文件夹中。在主机上创建一个文件夹，将 github 上的代码下载到这个文件夹中。为服

一、01背包题目描述：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。每件物品只能 不选0，或者选一次1，所以叫做01背包。（好生动 QwQ）—————朴素做法：1、状态表示：f[i][j]表示从前i个物品中选，总体积不超过j的最大价值；2、属性： 最

1.negate（取负）2.bitOr（两数相或）3.conditional（选择运算符）4.byteNot（对某个字节取反）5.allEvenBits6.byteSwap7.bitMask8.isLessOrEqual9.fitsShort10.fitsBits11.isTmin12.addOK13.rotateLeft14.isPower215.sm2tc

我感觉这个算法是作为 dijkstra 等求最短路的优秀替换！时间复杂度可以降到O(m)！原理：如果边权只是0和1的话，启用优先队列未免太浪费资源了！这里用双端队列正是对这个地方的优化，将优先队列O(logn)的时间复杂度降到了O(1)！！过程是这样的：从起点开始，加入队列。while队列非空，取队首元素，用这个节点更新其他节点。如果可以更新的话：1、边权为0，放到队首。（从边权为0......

前言：今天碰见了这个操作，发现在状态压缩的时候特别好用，就整理一下吧。bitset 就相当于一个 只能存储二进制，也就是 0 和 1 的 bool 数组但是可以直接当作一个数进行左移右移，取或取反等二进制操作。如果直接用 bool 数组存储二进制每一位的话，n 位存储复杂度为 O(n)，但是用 bitset 的话复杂度会减少到 O(n/32)。所以一般用二进制状态压缩时就会用 bitset。一、定