尼姆博弈(所有类型分析)

简介: 尼姆博弈(所有类型分析)

第一类型: 尼姆游戏:


定义有n堆各若干个物品,两个人轮流从某一堆取任意多的物品,规定每次至少取一个,多者不限,最后取光者得胜。


尼姆和:把所有堆中物体的个数进行异或运算


直接求取尼姆和


尼姆和为零 先手必输,后者必胜,否则反之


第二个类型: 反尼姆游戏:


定义有n堆各若干个物品,两个人轮流从某一堆取任意多的物品,规定每次至少取一个,多者不限,最后取光者输。


先手必胜的条件为

①:所有堆的石子数均=1,且有偶数堆。

②:至少有一个堆的石子数>1,且石子堆的异或和≠0。


第三个类型:限制最多取的个数,例如第i堆石子共有m个,最多取r个,先对m=m%(r+1);然后在进行异或求和。再根据异或和判断输赢。


第四种类型:先手的人想赢,第一步有多少种选择。当先手必输时,很显然是0。如果先手赢,那么先手必须努力创造奇异局势,即让其剩余的石子量异或和为0,上面已经讲了当面对非奇异局势是如何转化成奇异局势。当nim游戏的某个位置:(x1,x2,x3),当且仅当其各部分的nim - sum = 0(即x1(+)x2(+)x3 = 0(也就是各部分的异或为0)) 当前位置为必败点,这对于多个堆的情况同样适用。我们首先求出所有堆异或后的值sum,再用这个值去对每一个堆进行异或,令res = x1(+)sum(sum为所有堆的异或和)。如果res < x1的话,当前玩家就从x1中取走(x1-res)个,使x1乘下res这样必然导致所有的堆的异或值为0,也就是必败点(达到奇异局势),这就是一种方案。遍历每一个堆,进行上面的断判就可以得到总的方案数。


res = x1(+)sum;其实就是除了x1之外的n-1堆异或和,a(+)b(+)c=sum;sum(+)c=a(+)b(+)c(+)c=a(+)b;


ps:注意一个必败点不可能导致另一个必败点,因为如果这样的话当前这个必败点就不是必败点了,所以这里对于每个堆的操作至多只有一种方法


可以导败必败点,如果res > x1的话就无论从这个堆取走多少都不可能导致必败点!!!


附上一反尼姆变形题目


Alice and Bob


Alice 和 Bob 正在玩一个游戏,双方都很聪明。游戏是这样的,给出一个正整数 n,然后每次轮流操作,每次操作需要将数 n除以a^k。Alice 先手,谁先将数 n变为 1则谁输。


输入描述:


第一行一个整数 n ( 1<n≤10 15 ) 。


每次操作可以任意指定正整数 a和k,但要保证 a 为质数,并且 a^k 整除当前的 n 。


输出描述:


如果 Alice 赢则输出 Alice win。


Bob 赢则输出 Bob win。


#include<bits/stdc++.h>
using namespace std;
int main()
{
  long long n;
  cin>>n;
  int ans=0,sum=0,flag=0;
  for(int i=2;i*i<=n;i++)
  {
  if(n%i==0)
  {
    ans=0;
    while(n%i==0)
    {
    n/=i;
    ans++;
    }
    sum^=ans;
    if(ans>1)
    flag=1;
  }
  }
  if(n>1)
  sum^=1;
  if((!flag&&!sum)||(flag&&sum))
  {
  cout<<"Alice win"<<endl;
  }
  else
  cout<<"Bob win"<<endl;
  return 0;
}

目录
相关文章
|
Java 数据库连接 开发者
Java的Shutdown Hook机制:优雅地关闭应用程序
Java的Shutdown Hook机制:优雅地关闭应用程序
704 1
|
关系型数据库 MySQL Linux
Python安装mysqlclient报错避坑
MySQL是常用的开源数据库,Python环境下django框架连接MySQL数据库用的是mysqlclient库,今天在用pip安装mysqlclient库时报错,特记录一下,避免后续继续踩坑。
1597 1
|
2月前
|
缓存 运维 监控
vLLM推理加速指南:7个技巧让QPS提升30-60%
GPU资源有限,提升推理效率需多管齐下。本文分享vLLM实战调优七招:请求塑形、KV缓存复用、推测解码、量化、并行策略、准入控制与预热监控。结合代码与数据,助你最大化吞吐、降低延迟,实现高QPS稳定服务。
662 7
vLLM推理加速指南:7个技巧让QPS提升30-60%
|
5月前
|
人工智能 供应链 搜索推荐
AI+电商API:智能推荐、动态定价与自动化运营的未来
在电商竞争日益激烈的今天,AI与电商API的深度融合正重塑行业格局。通过智能推荐、动态定价与自动化运营,AI+电商API助力企业精准洞察用户需求、优化价格策略、提升运营效率,推动个性化、高效能的智慧电商发展,为企业打开未来增长新空间。
|
11月前
|
数据库 Docker 容器
docker容器为啥会开机自启动
通过配置适当的重启策略,Docker容器可以在主机系统重启后自动启动。这对于保持关键服务的高可用性和自动恢复能力非常有用。选择适合的重启策略(如 `always`或 `unless-stopped`),可以确保应用程序在各种情况下保持运行。理解并配置这些策略是确保Docker容器化应用可靠性的关键。
461 17
|
10月前
|
机器学习/深度学习 弹性计算 网络安全
部署DeepSeek,你的GPU够用吗?
本文介绍如何将 DeepSeek-R1 开源模型部署到 GPU 云服务器,在 GPU 云服务器上安装与配置 Ollama 和 Open WebUI。
|
存储 移动开发 程序员
80C51单片机的七种寻址方式
80C51单片机的七种寻址方式
815 1
|
机器学习/深度学习 人工智能 自然语言处理
借助AIGC实现人物写真和服装试穿
大家都知道,最近两名人工智能技术的高速发展,让越来越多的企业开始关注如何将人工智能技术应用到自己的业务中。阿里云作为业内领先的云计算服务提供商,其智能开放平台在人工智能领域的技术积累和应用能力方面处于领先地位。接下来将结合阿里云的视觉智能开放平台来聊一下借助AIGC实现人物写真和服装试穿等功能。
718 1
借助AIGC实现人物写真和服装试穿
|
机器学习/深度学习 存储 算法
【数据结构入门精讲 | 第十二篇】考研408、公司面试树专项练习(一)
【数据结构入门精讲 | 第十二篇】考研408、公司面试树专项练习(一)
863 0
|
存储 JSON 自然语言处理
在自定义数据集上微调Alpaca和LLaMA
本文将介绍使用LoRa在本地机器上微调Alpaca和LLaMA,我们将介绍在特定数据集上对Alpaca LoRa进行微调的整个过程,本文将涵盖数据处理、模型训练和使用流行的自然语言处理库(如Transformers和hugs Face)进行评估。此外还将介绍如何使用grado应用程序部署和测试模型。
1793 1

热门文章

最新文章