哪些C++库可用于竞争性编程？

在竞争性编程中，效率往往是最为重要的因素之一。因此，使用高效的C++库可以大大提高程序的运行速度。下面介绍一些常用于竞争性编程的C++库。

1. STL（标准模板库）

STL是C++标准库的一个组成部分，包含了许多用于快速实现各种数据结构和算法的模板类和函数。竞争性编程中常用的数据结构和算法，如数组、二叉树、优先队列、排序和查找等，都可以在STL中找到对应的实现。

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

int main() {
    vector<int> v = {3, 1, 4, 1, 5, 9, 2, 6, 5, 3};
    sort(v.begin(), v.end());
    for (int i = 0; i < v.size(); i++) {
        cout << v[i] << " ";
    }
    return 0;
}

上述代码使用STL中的vector类和sort函数对一个数组进行排序。

2. Boost库

Boost是一个广泛使用的C++库，包含了大量的高质量、稳定的组件，以及为C++11和C++14提供增强支持的头文件。竞争性编程中，Boost库被广泛用于数学计算、图论算法、网络编程和多线程等领域。

#include <iostream>
#include <boost/multiprecision/cpp_int.hpp>

using namespace std;
using namespace boost::multiprecision;

int main() {
    cpp_int a = 1, b = 1;
    for (int i = 2; i <= 1000; i++) {
        cpp_int c = a + b;
        a = b;
        b = c;
    }
    cout << b << endl;
    return 0;
}

上述代码使用Boost库中的cpp_int类实现了斐波那契数列的计算，支持高精度计算。

3. RapidJSON库

RapidJSON是一个快速、轻量级的C++ JSON解析库，可以方便地解析JSON格式的数据并进行处理。在竞争性编程中，通常会有需要处理JSON格式的数据的情况，使用RapidJSON可以快速实现。

#include <iostream>
#include <fstream>
#include "rapidjson/document.h"
#include "rapidjson/writer.h"
#include "rapidjson/stringbuffer.h"

using namespace std;
using namespace rapidjson;

int main() {
    ifstream ifs("data.json");
    string json_str((istreambuf_iterator<char>(ifs)), istreambuf_iterator<char>());

    Document d;
    d.Parse(json_str.c_str());
    Value& name = d["name"];
    Value& age = d["age"];
    StringBuffer sb;
    Writer<StringBuffer> writer(sb);
    writer.StartObject();
    writer.Key("name");
    writer.String(name.GetString());
    writer.Key("age");
    writer.Int(age.GetInt());
    writer.EndObject();
    cout << sb.GetString() << endl;
    return 0;
}

上述代码使用RapidJSON库解析JSON格式文件，并将其中的数据进行处理并输出。

4. LibSVM库

LibSVM是一个流行的支持向量机库，用于分类、回归和异常检测等任务。在竞争性编程中，支持向量机通常作为一种快速、有效的分类算法被使用。使用LibSVM库可以方便地实现各种分类和回归算法。

#include <iostream>
#include "svm.h"

using namespace std;

int main() {
    svm_node x[3];
    x[0].index = 1;
    x[0].value = 2.3;
    x[1].index = 2;
    x[1].value = 3.4;
    x[2].index = -1;

    svm_model* model = svm_load_model("model.txt");
    double v = svm_predict(model, x);
    cout << v << endl;
    return 0;
}

上述代码使用LibSVM库加载一个SVM模型，并对输入数据进行分类。