首页 > 其他分享 >lg-dp3

lg-dp3

时间:2024-08-10 12:17:08浏览次数:13  
标签:lg dp3 sz 可以 计数 维护 dp

lg-dp3

计数的东西有什么特点、转化/好的刻画方式

A Farthest City

题面关键信息:权值为1的最短路 --- bfs --- 分层

那么显然加一个点他只能与上一层连,和一层内部连。则设 \(f_{i,j}\) 为 [点数,最后一层点数]

\[f_{i,j}=2^{j\choose 2}\sum_{k=1}^{i-j}{f_{i-j,k}(2^k-1)^j{n-[i\neq n]-(i-j)\choose j}} \]

B CSA [1]

题目关键信息:排列。等价于求数的拓扑序个数。

计数对象性质:父亲位置 < 儿子位置

则如果确定根 \(r\) ,那么可以设 \(f_x\) 为 \(x\) 子树中的答案。

\[f_x=\sum_{y\in Son(x)}{sz_x+sz_y-1\choose sz_y}f_y \]

本题还有结论为 \(\frac{n!}{\prod sz_x}\)

C [AGC030D] Inversion Sum

计数对象性质:很好维护

其实你要不就是一直维护这个序列(整体来看),要不就是一对一对看。

那么变成概率,再变成期望就很自然了。所以现在我们要求 \(f(i,j)=\mathbf P(a_i>a_j)\)

考虑在交换的时候维护 \(f\) 。

当然不转化可不可以做,是可以的,但是其实很像的。

  1. 期望有线性性

  2. 对概率的维护其实融合了所有的情况

D Shopping

题目关键信息:买东西的点必须是连通块

淀粉质可以处理连通块,但是本题也可以按 dfn dp

E [CEOI2016] kangaroo

计数对象特征:波浪形的(wavy);

排列要是波浪形的,最后一个要是 T,第一个要是 S。

考虑连续段 dp,本质上是我们按照某个顺序加数,只确定了相对顺序,然后按照某种方式刻画连续段来维护某种限制。

从小到大加入数,设 \(f_{i,j}\) 表示 [当前加到i,有j段]

此时,有三种方案:

  • 新开一段 \(f_{i,j}=(j-[i>S]-[i>T])f_{i-1,j-1}\) (S前面和T后面不能插入段)

  • 加在某一段前面/后面 非法(分类讨论一下可以证明)

  • 合并两端 \(f_{i,j}=jf_{i-1,j-1}\)

F Tenzing and Random Operations

容易得到式子,但是没啥用,考虑组合意义

这个问题就更具有 dp 多层决策的特征。令 \(f_{i,j}\) 表示 [走过 \(1\to i\),已经用了 \(j\) 个工具]。

那么:

  • 不放置新的工具,直接走 \(a_{i+1}f_{i,j}\to f_{i+1,j}\)

  • 用获得过的工具,\(jvf_{i,j}\to f_{i+1,j}\)

  • 再放置一个工具,\(f_{i,j}\times\frac{i+1}{n}\times(m-j)\times v\to f_{i+1,j+1}\)

G PERIODNI

由于原来这个表格是不规则的,这是不好处理的,考虑划分成若干矩形建笛卡尔树

在一个小矩形内部的填数方案是容易处理的,对于列的限制,建一棵笛卡尔树,然后做树形 dp 处理。

H Distributing Integers

等价于前面 B 题 CSA

I #(subset sum = K) with Add and Erase

要求动态维护 K 的拆分数。只有加入是很简单的,如果存在删除,我们就强制从 \(-x\) 转移。


可撤销背包,多项式理解方法:

加一个----两项的多项式乘法,删一个----两项的多项式除法。

J [COCI2006-2007#3] BICIKLI

到达不了环就 dp,有环就分讨:

  • 若环可以到达2 INF (取反图判断)

  • 不可以就不必访问环

K [HNOI2019] 校园旅行

大boss BLACK

\(30\%\)

\(\mathcal O(m^2)\)

\(100\%\)

Hint: 缩减边的数量,使其与点数同级

现在考虑对于两边,我们要做的就是同色来连续子串对应长度相等。

考虑如何能做到。

从变化的角度看,其实对于一个同色联通块来说,它为连入的点提供的能力就在于:

  1. 如果他是偶环,那么你可以无损地获得任何一个更大的、相同奇偶性连续段,然而如果在保证联通性的同时,即使只有一条边,也可以达到这个目的。

  2. 如果他是奇环,那么你可以获得改变奇偶性的机会,你可以无损地到达任何一个更大的连续段,如果是这样,那么在保证连通性的时候,连续走一个自环也能达到相同的效果

所以我们可以根据上面的观察削减边数。


  1. 本题与下面 H 题等价。 ↩︎

标签:lg,dp3,sz,可以,计数,维护,dp
From: https://www.cnblogs.com/haozexu/p/18352156

相关文章

  • lg组合计数
    组合计数关于记号\[C_n^m={n\choosem}=A_n^m/m!=n^{\underline{m}}/m!\]插板法插板法:分集合问题\(\iff\)不定方程正整数解计数问题\[{n-1\choosem-1}\]创造条件法(构造双射),即,构造元素集合\(A,B\),以及一个\(A,B\)之间的双射\(f\),则把计数\(A\)变成计数\(B\)。......
  • C++ Rect And Point Search Algorithm
    测试 ////Createdbywwwon2024/8/8.//#include"include/cxstructs.h"#include"include/cxml/k-NN.h"//可扩展Rect内搜索子Rect或PointvoidtestRectSearch(){usingnamespacecxstructs;std::random_devicerd;std::mt19937gen(rd()......
  • lg-dp1
    记忆化搜索:记忆化压缩DP状态(一些期望dp里会用)剪枝递推:保证前面的部分已经计算了数位dp求\([l,r]\)之内满足某种限制的数的个数,该限制应该是与数位有关系的。带不带前导0取决于是否对统计答案造成影响。前缀和转化:只有上界补充题:如果lim=1的时候前面都......
  • ImportError:无法从“jwt.algorithms”导入名称“RSAAlgorithm”
    RSAAlgorithmPyJWT算法方法无法导入,但我确实安装了PyJWT错误:ImportError:cannotimportname'RSAAlgorithm'from'jwt.algorithms'我通过运行以下命令检查了该包是否可用:poetryshow|grep-ipyjwtpyjwt2.9.0J......
  • valgrind简介
    0预备工作sudoapt-getupdatesudoapt-getinstallvalgrind编译debug版本gcc-g-oyour_programyour_program.cset(CMAKE_BUILD_TYPEDebug)1定位内存泄露Valgrind最著名的工具是memcheck,它用于内存错误的检测,执行如下代码进行进行内存泄漏检测valgrind--le......
  • lg省选计划笔记-基础优化技巧1
    基础优化技巧1三分求单峰函数极值点丢弃极值点一定不在的点,注意不能用于非严格单调的函数。由于区间长度可以随便取,可以把分段点取得很近,这个时候就相当于二分斜率前面比0大,极值点处等于0,后面小于001分数规划略。模型特征:答案是比率形式(取对数可以把根式和次方转换为乘......
  • 【笔记】计数选讲:容斥、LGV、集合幂级数、GF 2024.8.2
    今天写的很乱。[HEOI2013]SAO容斥。因为我们已经知道父亲\(<\)儿子时的情况(\(n!/\prod_isiz_i\),也适用于森林),那么儿子\(<\)父亲的情况就容斥掉,无限制的就当作那条边不存在。树上背包,记录当前节点为根的连通块大小和容斥系数的积。*[ECFinal23A]DFSOrder4转写为:统计多......
  • BZOJ2839/LG10596 集合计数 题解(二项式反演+扩展欧拉定理)
    题目大意:一个有\(N\)个元素的集合有\(2^N\)个不同子集(包含空集),现在要在这\(2^N\)个集合中取出若干集合(至少一个),使得它们的交集的元素个数为\(K\),求取法的方案数,答案模\(10^9+7\)。为表述方便,不妨设这\(i\)个元素分别为\(1\simn\)。前置知识:二项式反演。考虑设\(g(......
  • 论文阅读:Scalable Algorithms for Densest Subgraph Discovery
    摘要密集子图发现(DSD)作为图数据挖掘的基础问题,旨在从图中找到密度最高的子图。虽然已有许多DSD算法,但它们在处理大规模图时往往不可扩展或效率低下。本文提出了在无向图和有向图上求解DSD问题的高效并行算法,通过优化迭代过程和减少迭代次数来计算核心数。同时引入了新的子......
  • 论文摘要:Efficient Algorithms for Densest Subgraph Discovery on Large Directed Gr
    背景在很多应用中,例如欺诈检测、社区挖掘和图压缩等,需要从有向图中找到密度最高的子图,这被称为有向最密子图问题(DirectedDensestSubgraph,DDS)。DDS问题在社交网络、Web图和知识图谱等领域有着广泛的应用。例如,在社交网络中,可以用来检测假粉丝,在Web图中,可以用来发现网络......