对于 Linux 用户来说，由于用户群体相当小，作为软件开发商，往往不愿意支持或者滞后支持 Linux。对于网盘来说更是如此，网上的测评都是站在 Windows 或者 Mac 用户的角度，而对于 Linux 用户，网盘客户端的功能是否丰富（正常）才是考量的重点。

由于这篇文章的时效性较强，请留意发布时间。

索尼 WI-1000X 主动降噪蓝牙耳机测评

一加7 Pro 上手测评

题目

2018-2019 Winter Petrozavodsk Camp, Oleksandr Kulkov Contest 1

题意

\(C_k = \sum_{mex_3(i,j)=k} A_i B_j\)，其中 \(mex_3\) 是三进制意义下按位取 \(mex\)（其中 \(mex(x,y)\) 的值等同于和 \(x\) 以及 \(y\) 都不相等的最小非负整数）。

终于，我的算法竞赛生涯将永久地告一段落。总应该写点什么，即便是仅仅为了回忆本身。

注：这篇文章的完结可能需要一个月的时间。

更新：好像还是咕了。

算是对于网上的评测的一些基于个人使用体验的补充。

系统休眠是个好东西，首先它不需要耗电，其次如果双系统切换的话，睡眠无法保存工作环境。

启用休眠功能的大致步骤如下：

题目

GYM101205D: https://codeforces.com/gym/101205/problem/D

UVA1282: https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=247&page=show_problem&problem=3895

题意

\(F[0] = 0, F[1] = 1, F[n] = F[n - 1] + F[n - 2]\)，其中 \(+\) 是字符串连接。问给定 01 串在 \(f[n]\) 中的出现次数。

Ear decomposition 的定义见 Wikipedia。粗略地讲，在无向图中，耳朵就定义为一条路径，其中除了端点外的点的度数均为 2（端点可以重合），而且删去后不破坏图的连通性。耳分解就是将图中的耳朵依次删去直至删完，不是所有无向图都能被耳分解，同时耳分解的方案很可能是不唯一的。

充要条件

图中没有桥。必要性感受一下，还是显然的，证明就不证了。充分性可以用算法本身来证明，对于满足条件的无向图，算法一定能给出一个合法的耳分解。

这本书还是挺不错的，至少对于入门而言足够详尽。大概从第八章开始就会发现学习曲线的陡峭。

电子书购买链接：第1卷，第2卷。

尽量不坑，争取完结。

我是跟着书从零学起，网上也没什么可供参考的练习答案，因此难免会有写得不正确或者不优雅的地方，欢迎指出。

书中的代码仓库：Github （仓库的名字有一个致命的缺陷，作者肯定很后悔吧，但也没法改了）

更新：咕了，我所需要的不仅仅是一门语言。