热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

「总结」dp1

大概就是做点题。先列一下要做的题目列表,从$UOJ$上找的。~~129寿司晚宴~~~~348州区划分~~~~370滑稽树上滑稽果~~~~457数树~~~~22外星人~~量子态的棋盘

大概就是做点题。

先列一下要做的题目列表,从\(UOJ\)上找的。

129寿司晚宴

348州区划分

370滑稽树上滑稽果

457数树

22外星人

量子态的棋盘

吉夫特

线段树

题目交流通道

主旋律

1.寿司晚宴

这个题还是不错的,之前学长讲过一次。

不过不记得了。还是被根号算法教做人了。

首先数据范围是500。

考虑这里面的质因子个数有多少个。

事实上很多,早就超过了20个。

而考虑\(\sqrt{n}\)以下的最多有多少个呢?

事实上只有\(8\)个。

而任何一个小于\(n\)的数必然至多含有一个大于\(\sqrt{n}\)的质因子。

那么我们考虑状压这\(8\)个质因子。

\(dp[s][t]\)为第一个人和第二个人已经选择了的质因子集合直接将没有大于\(\sqrt{n}\)质因子的数字加入贡献。

剩下的我们可以发现只有一个人可以含有某个大于\(\sqrt{n}\)的质因子或者两个人都不含。

这样将全部的最大质因子大于\(\sqrt{n}\)的数先\(dp\)一次压在一起在当成一个数来进行\(dp\)就可以了。

是一个\(dp\)嵌套。

最后统计答案就可以了。

4.州区划分

事实上是\(FMT\)的板子题。

设分成了\(T\)个部分,每个部分的集合为\(S_i\)

首先我们要求的是:

\[\prod\limits_{k=1}^{T}\left(\frac{\sum\limits_{i\in S_k}w_i}{\sum\limits_{j=1}^{k}\sum\limits_{i\in S_k}w_i}\right)\]

事实上可以直接\(dp\)

但是\(dp\)之前首先要判断一下集合的合法性,就是判断是否是一个联通的欧拉回路。

怎么做?

\(su[s]=\sum\limits_{i\in S}w_i\)

\(dp[s]\)为当前已经处理的集合为\(S\)的答案。

那么初始化:

\(dp[0]=1\)

要求的是\(dp[mx]\)

枚举当前添加进来的集合是\(T\),得到转移方程。

\[dp[S]=\left(\frac{1}{su[S]}\right)^p\sum\limits_{T\subseteq S}dp[T]su[S-T]^p\]

这样直接转移枚举子集的复杂度是\(3^n\)的。

肯定吃不消。

我们考虑如何优化这个过程呢?

这个过程事实上是一个裸的子集并卷积。

直接\(FMT\)即可。

复杂度是\(O(n^22^n)\)

3.滑稽树上滑稽果

说是个树就是骗你的。

如果树上存在一条链,那么显然把剩余的部分接到链的后面更加优秀。

然后呢?

我们把全部果子都有的位置先拿出来因为这些位置最后必然是1,设为\(k\)

然后让全部果子都异或\(k\),这样最终的与和必然是0。

\(dp[s]\)为当前与和为\(s\)的情况下的最小代价。

初始化\(dp[a[i]]=a[i]\)

这样我们来枚举每个果子然后判断转移即可。

考虑如何判断是否可以转移。

我们枚举当前集合的一个子集\(t\)

然后判断是否存在一个果子可以刚好与掉这一部分子集。

那么我们需要判断的其实是这个果子是否是与掉部分的补集的子集。

但是其实仍然需要判断是否是当前剩余部分\(s-t\)的超集。

然后发现这样其实无所谓。

由于最优决策必然会转移,而这种决策如果是不合法的(能够与掉更大的集合却没有与掉),其实是不优秀的转移,会被更加优秀的转移所覆盖掉(因为最终需要的结果只有一个是\(dp[0]\),所有的转移最终都会收敛到\(0\)的位置)。

那么需要判断的只有一个了,就是是当前枚举的与掉的补集的子集,这个好判断。

其实就是判断一个是否存在一个\(a_i\)是某个集合的子集。直接用\(FMT\)进行一次子集合并就可以了。

然后紧接着考虑判重问题。

如果一个状态转移了很多次同一个果子怎么办?

其实也无所谓。

因为转移多了的话必定是转移到当前的集合上面来。

这样\(dp[s]=min(dp[s],dp[s]+s)\)

最优结果是不会发生变化的。

4.数树

可以用类似生成树计数的方式来做,不过这里考虑用组合意义来解题。

先考虑第一问。

其实是最简单的。

我们只需要把重边加入并查集,最后判断有几个集合即可。

然后直接快速幂就行了。

第二问是解题的关键部分。

首先有一个很显然的结论:

\[x^n=(x-1+1)^n=\sum\limits_{i=0}^{n}\binom{n}{i}(x-1)^n\]

我们考虑对于每种树所作出的贡献,我们设有\(r\)条重边。

那么枚举这个树为\(T\),得到。

\[ans=\sum\limits_{T}y^{n-r}=y^n\sum\limits_{T}(y^{-1})^r=y^n\sum\limits_{T}\sum\limits_{i=0}^{r}\binom{r}{i}(y^{-1}-1)^i\]

然后我们考虑这个组合意义。

实际上是对于这个重边集合的每个子集\(S\),都作出\((y^{-1}-1)^{|S|}\)的贡献。

这样我们换个方式直接枚举边集,考虑有多少个生成树的重边集合是包含这个子集的,设包含边集\(E\)的方案为\(F(E)\)

那么:

\[ans=y^n\sum\limits_{E}(y^{-1}-1)^{|E|}F(E)\]

我们设这个边集所形成的点集为\(m\)个,并且每个联通块的大小用\(\{a_i\}\)来表示。

利用\(prufer\)序列得到:

\[F(E)=n^{m-2}\prod\limits_{i=1}^{m}a_i\]

就是说我现在让\(n\)个点生成一个\(m-2\)长度的\(prufer\)序列,相当于将每个点分配给\(m\)个联通块作为代表元素,而同时,每个联通块都有\(a_i\)个点,每个点都有可能作为代表元素,所以有了后面的\(\prod\)

这样接着推柿子:

\[\begin{aligned}
ans&=y^n\sum\limits_{E}(y^{-1}-1)^{|E|}F(E)\&=y^n\sum\limits_{E}(y^{-1}-1)^{|E|}n^{m-2}\prod\limits_{i=1}^{m}a_i\&=y^n\sum\limits_{E}(y^{-1}-1)^{n-m}n^{m-2}\prod\limits_{i=1}^{m}a_i\&=y^n(y^{-1}-1)^nn^{-2}\sum\limits_{E}((y^{-1}-1)^{-1}n)^{m}\prod\limits_{i=1}^{m}a_i\&=(1-y)^nn^{-2}\sum\limits_{E}\prod\limits_{i=1}^{m}a_i(y^{-1}-1)^{-1}n\\end{aligned}\]


考虑后面这个东西的组合意义。

就是在要求把树分成\(m\)个联通块的情况下在每个点中选择一个特殊点作为染色点,然后每个联通块要乘上的贡献是\(n(y^{-1}-1)^{-1}\)

这样问题就变得简单起来了。

我们做一次\(dp\)就可以解决了。

我们设\(dp[x][0/1]\)为当前点为\(x\),\(x\)及其归并的子树中\(x\)所在的联通块(已经/还未)存在关键点的贡献总和。

\(w=n(y^{-1}-1)^{-1}\)

初始化:\(dp[x][0]=1,dp[x][1]=w\)

这样有转移方程:

\[dp[x][0]=dp[x][0]dp[t][1]+dp[x][0]dp[t][0]\]

\[dp[x][1]=dp[x][0]dp[t][1]+dp[x][1]dp[t][0]+dp[x][1]dp[t][1]\]

这样就可以\(O(n)\)的得到答案了。

第三问要用到生成函数了。

我们考虑一下对于每个生成树,我们仍然考虑他的边集所做的贡献。

这样的话仍然枚举一次生成树:

\[ans=(1-y)^nn^{-2}\sum\limits_{T}\sum\limits_{E}\prod\limits_{i=1}^{m}a_i(y^{-1}-1)^{-1}n\]

仍然枚举边集,考虑被计算的次数:

\[\begin{aligned}
ans&=(1-y)^{n}n^{-2}\sum\limits_{E}F(E)\prod\limits_{i=1}^{m}a_i(y^{-1}-1)^{-1}n\&=(1-y)^nn^{-2}\sum\limits_{E}n^{m-2}\prod\limits_{i=1}^{m}a_i^2(y^{-1}-1)^{-1}n\&=(1-y)^{n}n^{-4}\sum\limits_{E}\prod\limits_{i=1}^{m}a_i^2(y^{-1}-1)^{-1}n^2\&=(1-y)^{n}n^{-4}\sum\limits_{E}((y^{-1}-1)^{-1}n^2)^{m}\prod\limits_{i=1}^{m}a_i^2\P(m)&=((y^{-1}-1)^{-1}n^2)^{m}\&=(1-y)^{n}n^{-4}\sum\limits_{E}P(m)\prod\limits_{i=1}^{m}a_i^2\\end{aligned}\]


这样我们设立一个指数生成函数\(G(x)\)

我们让\(e_i=P(i)i^2i^{i-2}\),这个是什么呢?

我们用一个大小为\(i\)的联通块进行组合,这样我们得到了的贡献就是\(i^2\),而这种情况存在的内部的方案有\(i^{i-2}\)种(\(prufer\))序列。

而我们让:

\[G(x)=\sum\limits_{i=1}^{\infty}\frac{e_ix^i}{i!}\]

这样的话就是一个联通块的方案和贡献合并的生成函数了。

我们考虑一棵树是多个生成函数的组合。

于是我们设有\(n\)个点的树的贡献生成函数为\(F(x)\)

因为必然至少有一个联通块,并且每个联通块内部已经有所编号,那么联通块是没有编号的,所以除掉阶乘,那么有:

\[F(x)=\sum\limits_{i=1}^{\infty}\frac{G^i(x)}{i!}=e^{G(x)}\]

这样直接用一个\(exp\)就可以算出来了。

答案就是:

\[ans=(1-y)^{n}n^{-4}n![x^n]F(x)\]

复杂度是\(O(nlogn)\)的。

5.外星人

这个题好像还挺简单的。

首先我们知道如果一个比较小的数比一个比较大的数更加靠前的话。

那么后边那个比较大的数其实是没有用的。

这样我们按照从小到大排序,然后枚举每个数是否起作用就可以转移了。

当然最小的那个数必须要其作用。

然后考虑如何\(dp\)方案。

\(dp[i][j]\)为在考虑前\(i\)个人的情况下,当前答案为\(j\)的方案数。

这样可以得到转移方程:

\[dp[i][j]=[k\%a[i]=j]dp[i-1][k]+dp[i-1](n-i)\]

后面那个表示当前这个不起作用,那么他所在的位置就有\(n-i\)种(后面的都比他要小随便插入进去就可以了)。


推荐阅读
  • 本文讨论了如何优化解决hdu 1003 java题目的动态规划方法,通过分析加法规则和最大和的性质,提出了一种优化的思路。具体方法是,当从1加到n为负时,即sum(1,n)sum(n,s),可以继续加法计算。同时,还考虑了两种特殊情况:都是负数的情况和有0的情况。最后,通过使用Scanner类来获取输入数据。 ... [详细]
  • HDU 2372 El Dorado(DP)的最长上升子序列长度求解方法
    本文介绍了解决HDU 2372 El Dorado问题的一种动态规划方法,通过循环k的方式求解最长上升子序列的长度。具体实现过程包括初始化dp数组、读取数列、计算最长上升子序列长度等步骤。 ... [详细]
  • 《数据结构》学习笔记3——串匹配算法性能评估
    本文主要讨论串匹配算法的性能评估,包括模式匹配、字符种类数量、算法复杂度等内容。通过借助C++中的头文件和库,可以实现对串的匹配操作。其中蛮力算法的复杂度为O(m*n),通过随机取出长度为m的子串作为模式P,在文本T中进行匹配,统计平均复杂度。对于成功和失败的匹配分别进行测试,分析其平均复杂度。详情请参考相关学习资源。 ... [详细]
  • 动态规划算法的基本步骤及最长递增子序列问题详解
    本文详细介绍了动态规划算法的基本步骤,包括划分阶段、选择状态、决策和状态转移方程,并以最长递增子序列问题为例进行了详细解析。动态规划算法的有效性依赖于问题本身所具有的最优子结构性质和子问题重叠性质。通过将子问题的解保存在一个表中,在以后尽可能多地利用这些子问题的解,从而提高算法的效率。 ... [详细]
  • 本文内容为asp.net微信公众平台开发的目录汇总,包括数据库设计、多层架构框架搭建和入口实现、微信消息封装及反射赋值、关注事件、用户记录、回复文本消息、图文消息、服务搭建(接入)、自定义菜单等。同时提供了示例代码和相关的后台管理功能。内容涵盖了多个方面,适合综合运用。 ... [详细]
  • 基于layUI的图片上传前预览功能的2种实现方式
    本文介绍了基于layUI的图片上传前预览功能的两种实现方式:一种是使用blob+FileReader,另一种是使用layUI自带的参数。通过选择文件后点击文件名,在页面中间弹窗内预览图片。其中,layUI自带的参数实现了图片预览功能。该功能依赖于layUI的上传模块,并使用了blob和FileReader来读取本地文件并获取图像的base64编码。点击文件名时会执行See()函数。摘要长度为169字。 ... [详细]
  • 本文讨论了Alink回归预测的不完善问题,指出目前主要针对Python做案例,对其他语言支持不足。同时介绍了pom.xml文件的基本结构和使用方法,以及Maven的相关知识。最后,对Alink回归预测的未来发展提出了期待。 ... [详细]
  • 本文介绍了OC学习笔记中的@property和@synthesize,包括属性的定义和合成的使用方法。通过示例代码详细讲解了@property和@synthesize的作用和用法。 ... [详细]
  • Mac OS 升级到11.2.2 Eclipse打不开了,报错Failed to create the Java Virtual Machine
    本文介绍了在Mac OS升级到11.2.2版本后,使用Eclipse打开时出现报错Failed to create the Java Virtual Machine的问题,并提供了解决方法。 ... [详细]
  • 本文讲述了作者通过点火测试男友的性格和承受能力,以考验婚姻问题。作者故意不安慰男友并再次点火,观察他的反应。这个行为是善意的玩人,旨在了解男友的性格和避免婚姻问题。 ... [详细]
  • 1,关于死锁的理解死锁,我们可以简单的理解为是两个线程同时使用同一资源,两个线程又得不到相应的资源而造成永无相互等待的情况。 2,模拟死锁背景介绍:我们创建一个朋友 ... [详细]
  • Java验证码——kaptcha的使用配置及样式
    本文介绍了如何使用kaptcha库来实现Java验证码的配置和样式设置,包括pom.xml的依赖配置和web.xml中servlet的配置。 ... [详细]
  • 本文介绍了lua语言中闭包的特性及其在模式匹配、日期处理、编译和模块化等方面的应用。lua中的闭包是严格遵循词法定界的第一类值,函数可以作为变量自由传递,也可以作为参数传递给其他函数。这些特性使得lua语言具有极大的灵活性,为程序开发带来了便利。 ... [详细]
  • 本文介绍了使用Java实现大数乘法的分治算法,包括输入数据的处理、普通大数乘法的结果和Karatsuba大数乘法的结果。通过改变long类型可以适应不同范围的大数乘法计算。 ... [详细]
  • 在说Hibernate映射前,我们先来了解下对象关系映射ORM。ORM的实现思想就是将关系数据库中表的数据映射成对象,以对象的形式展现。这样开发人员就可以把对数据库的操作转化为对 ... [详细]
author-avatar
isbool
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有