首页 > 其他分享 >状态压缩动态规划

状态压缩动态规划

时间:2024-11-02 16:58:04浏览次数:1  
标签:cnt 压缩 pos IFWT sum FWT 动态 规划 质数

\(3^n\)枚举子集

状压DP中相当重要的技巧(虽然后位有FWT,FMT替代,但不是都能代)

for(int i = x; i; i = (i - 1) & x) {
// i 就是 x 的子集
}

题目

P6622 [省选联考 2020 A/B 卷] 信号传递

看数据范围,\(m \le 23\),且不同分数段增长很慢,表明会有\(O(2^m)\)的做法,考虑状压或搜索剪枝

但是题目要求的是排列的贡献,直接状压不可行,需要转化为与顺序无关的情况

观察到\(n \le 10^5\),表明对\(S\)序列要有很快的统计方式

关键转换:发现\(s[i-1]\)到\(s[i]\)之间的转移只会有\(m^2\)种,预处理出\(s[]\)中每种的转移次数,那么此时数字\(i\)和数字\(j\)(设重排列后\(i\)在\(j\)前面)之间的贡献为:

\[W_{i,j}=cnt[i][j]*(pos[j]-pos[i])+k*cnt[j][i]*(pos[j]+pos[i]) \]

\[=pos[j]*(cnt[i][j]+k*cnt[j][i])+pos[i]*(k*cnt[j][i]-cnt[i][j]) \]

此时\(i,j\)的贡献分为两部分,分别仅与\(pos[i],pos[j]\)相关,可以分别统计;\(pos[i],pos[j]\)可以在枚举位置时分别获取,而剩下部分仅与\(i,j\)的相对位置有关,状压可以做到

方程很好推,时间复杂度\(O(m^2*2^m)\),过不了后40分

考虑\(i\)插入时对\(S\)的影响是一定的,可以在dp外预处理出\(g[i][S]\)(想想如何做到\(O(m*2^m)\)),空间又炸了

接下来就是空间优化了 link

反思

被djy薄纱了,难受

考试时思路走错了,以为是直接替换\(s[]\),然后关键的预处理没想到,之后应该就是自然的思路了

关键在于看到数据范围就朝着状压的方向走,不断尝试消除排列的影响

P3959 [NOIP2017 提高组] 宝藏

思路来源

读题,一眼看出状态,但发现缺少层数,无法转移

考虑强制限定层数,所有新加点强制对上一层连边,而不是任意层

感性理解该状态转移完全

p.s. 开始考虑强制选定前一个点,发现这样子树状态还要上传,有后效性,没想到是按层转移(悲

P7519 [省选联考 2021 A/B 卷] 滚榜

最朴素方程非常好列,把状态、总和,前一个数,前一个数取的值全部放入方程即可,但是没有穷举+贪心快

重要性质:由于\(b[i]\)单调不降,一个常见(?)的思路就是考虑横向统计,如图

这说明我们不需要考虑前一个\(b[]\)取了多少,因为当前的\(b[]\)就是基于前面的\(b[]\),相当于把往后的分值同时向上顶了\(b[i-1]\),此时想要方案合法,只需考虑\(a[i]\)和\(a[i-1]\)之间差了多少即可,类似差分思想

p.s. 卡常技巧:把大循环的int变为宏会更快

根号分治

做题时,如果遇到与质因数有关的状压DP,考虑根号分治

原理:我们约定大于\(\sqrt n\)的数为大质数,则\(\forall x \in [2,n]\),都有\(x\)的质因数中,要么没有大质数,要么有且仅有一个

这样我们就在\(x\)就唯一对应了一个大质数,利用该性质,可以解决此类问题

P2150 [NOI2015] 寿司晚宴

朴素方程略

很明显,对于一个大质数\(x\),要么小G取,要么小W取,要么都不取,那么把所有对应此大质数\(x\)的数放在一起,分\(g1[][]\)和\(g2[][]\)分别统计\(x\)被小G取、小W取的方案数,再合并至\(f[][]\)中即可

p.s. 注意\(g1\)和\(g2\)会有重复计数(都不取),记得减掉

P8292 [省选联考 2022] 卡牌

这道题有两种做法:FWT和容斥

题解都说样例提示了正难则反,但是我觉得FWT更自然……

做法1:暴力状压+FWT优化枚举子集

先根号分治,设\(f[i][S]\)为大质数为\(i\),小质数状态为\(S\)

对大质数不同的数分开跑\(f[i][]\)

那么最后合并答案\(f_0[S]\leftarrow \sum_{i|j=S}f_0[i]*f_k[j]\),可以用\(FWT\)优化

做法2:容斥

看看题目要求的是什么,不要容斥错了

其实第一眼发现\(s_i\le30\)的状压是可以直接转移的,问题在于统计是枚举,考虑在这里优化

题目求的是质数集至少为\(S\),子集反演直接pass

考虑容斥中常见的钦定大法,(不能钦定\(x\)一定出现,因为这样得到的就是题目求的质数集至少为\(S\)的方案数,绕一圈又回来了)

我们考虑钦定\(g[S]\)为\(S\)一定不出现的方案数,则\(f(S)=\sum_{T\subseteq S}(-1)^{|T|}g(T)\)

此时\(g(T)\)的贡献变得更简单:对于质数集为\(P\)的数\(x\),若\(P\cap T=\varnothing\),则\(x\)可被\(g(T)\)统计到,则\(g(T)=2^{cnt[T]}\)

考虑大质数时也一样,只不过对于要求选取的大质数必须选一个,即\(g(T)=2^{cnt[T]}-1\),最后根据乘法原理把每个大质数的\(g\)乘起来即可

技巧:如果每次都把大质数的\(g\)全部累乘,那时间复杂度就会有\(O(m|S|\cdot 2^{14})\)(\(S\)为\(2000\)以内的质数集),无法承受;考虑只有给定的大质数才有必须选的需求,对于其它大质数,直接\(\sum g(T)=\sum2^{cnt[T]}=2^{\sum cnt[T]}\)计算即可,复杂度\(O(2^{14}\cdot \sum c)\)

快速沃尔什变换(FWT)

求解\(\displaystyle C_i=\sum_{j\oplus k=i}A_jB_k\),其中\(\oplus\)为\(or,and,xor\)

FWT类似于FFT,是基于反演优化的(FWT更直观一点),实际上就是找一个式子\(FWT[A_i]=\sum A_j\),使得\(FWT[C_i]\)恰好等于\(FWT[A_i]*FWT[B_i]\),从而用类似多项式点值表示的方法优化卷积

或卷积

这里找到的式子为\(\displaystyle FWT[A_i]=\sum_{j|i=i}A_j\),下面是证明

\(\displaystyle FWT[A_i]*FWT[B_i]=(\sum_{j|i=i}A_j)*(\sum_{k|i=i}B_k) =\sum_{(j|k)|i=i}A_jB_k=FWT[C_i]\)

接下来就是高效处理出\(FWT[A]\)了,高维前缀和可以做到,不过考虑类似FFT的分治做法,在合并\([l,mid],[mid+1,r]\)时,有公式\(FWT[l\sim r]=merge(FWT[l\sim mid],FWT[l\sim mid]+FWT[mid+1\sim r])\)

转成二进制形式,\(A_0\)为当前最高位为\(0\),\(A_1\)为当前最高位为\(1\),有

\(FWT[A]=merge(FWT[A_0],FWT[A_0]+FWT[A_1])\)

还原数组时减回来即可

\(IFWT[A]=merge(IFWT[A_0],IFWT[A_0]-IFWT[A_1])\)

与卷积

\(FWT[A]=merge(FWT[A_0]+FWT[A_1],FWT[A_1])\)

\(IFWT[A]=merge(IFWT[A_0]-IFWT[A_1],IFWT[A_1])\)

异或卷积

\(FWT[A]=merge(FWT[A_0]+FWT[A_1],FWT[A_0]-FWT[A_1])\)

\(\displaystyle IFWT[A]=merge(\frac {IFWT[A_0]+IFWT[A_1]} 2,\frac {IFWT[A_0]-IFWT[A_1]} 2)\)

子集卷积

即求\(\displaystyle h(S)=\sum_{i|j=S,i\&j=\emptyset}f(i)*g(j)\)

子集反演

当方程\(f[S]\)难以快速统计转移时,考虑弱化它,然后容斥

具体地,设\(f[S]\)为状态集恰好为\(S\)时的方案数,\(g[S]\)为状态集至多为\(S\)时的方案数

即只能从\(S\)中取数,但不要求全部取完,此时\(g[S]\)的优势在于不用枚举子集,直接传\(S\)即可

此时有容斥:\(f(S)=\sum_{T\subseteq S}(-1)^{|S|-|T|}g(T)\)

证明略

P3349 [ZJOI2016]小星星

首先得想到枚举子集,向儿子递归转移,时间复杂度\(O(n^3\cdot3^n)\)

然后考虑把恰好为\(S\)换成至多为\(S\),做子集反演,每次转移直接将\(S\)下传,将答案容斥即可

注意这里有个技巧:不需要使得编号对应不重(即树上两个点可能对应图上的同一个点),因为对于答案\(f[111...]\),需要\(n\)个点恰好取满,这种情况必不会重

\(p.s.\) 常数优化:提取每次\(S\)的点集,还有不把\(i\)分配的编号\(q[i]\)放入递归参数(亲测快\(5\)倍,可能是开栈相对循环太慢了)

C. 拼凑数字

给你\(n\)个数字,你需要将它们拼成一个\(n\)位整数 ,使得在保证\(n\)对\(k\)取模的结果最大的前提下, 尽可能大。\(n\le 24,k\le 80\)

首先得想到朴素状压(逆天,我考时没想到

记\(f[S][i]\)为取数状态为\(S\),余数为\(i\)的最大数,转移即可

然后想到每个数只能是\(1\thicksim 9\),记录每种数字用了几次即可

通过计算可知,状态数最多为\(1.1\times 10^5\),可以接受

但是对于非01串的状压,可能需要一点优化

技巧

P3813 [FJOI2017]矩阵填数

常见思路:最大值为\(v\)方案数\(=\)最大值\(\le v\)的方案数\(-\)最大值\(<v\)的方案数

但是在这里有多个矩形,直接做会有问题,因为非法方案应该是存在一个矩形最大值\(<v\),看\(n\)的范围想到容斥

上公式:\(\displaystyle f(S)=\sum_{T\subset S}(-1)^{|S|-|T|}\cdot g(T)\)

钦定\(T\)为最大值\(<v\)的矩形集合,问题转化为快速求出\(g(T)\)

考虑离散化之后,\((x_i,y_i),(x_i+1,y_i+1)\)一定可以表示最大值限制相同的矩形,枚举离散化后的小矩形统计即可

时间复杂度\(O(n^3\cdot2^n)\)

$p.s. $ 这么好的容斥题被我浪费了,我真该死啊——

标签:cnt,压缩,pos,IFWT,sum,FWT,动态,规划,质数
From: https://www.cnblogs.com/zhone-lb/p/18522197

相关文章

  • 共享IPAM地址池实现多账号下地址统一规划管理
    多账号体系架构中,企业网络管理员使用IPAM功能规划和管理工作中的IP地址;规划完成后,可通过资源共享功能,将创建的IPAM地址池共享给业务账号,实现企业内部网络地址的统一分配与管理,简化网络管理流程,助力企业专注于核心业务创新。功能简介资源共享多账号架构体系中,如果存在某一特......
  • 动态规划-回文串系列——1312.让字符串变成回文串的最小插入次数
    1.题目解析题目来源:1312.让字符串变成回文串的最小插入次数——力扣测试用例2.算法原理1.状态表示一维dp表无法存储任意区间内将字符串变为回文子串的最小插入次数,所以使用二维dp表存储将[i,j]区间的字符串变为回文子串的最小插入次数dp[i][j]:将[i,j]区间的字......
  • 动态规划题解报告
    [APIO2016]划艇注意到\(n\le500\)考虑\(O(n^3)\)的做法。值域小的做法比较显然,值域比较大,考虑离散化(将\(b_i+1\)然后限制变为\([a_i,b_i+1)\))。设\(f_{i,j}\)表示考虑前\(i\)个,\(i\)选择\(j\)的方案数。发现由于离散化了很难转移\(f_{k,j}\(k<i)\)的情况......
  • 编辑距离 | 动态规划
    设A和B是两个字符串,求将字符串A转换为字符串B的最少操作次数。字符操作共有如下三种:     (1)删除一个字符。     (2)插入一个字符。     (3)将一个字符改为另一个字符。 如A=“kitten”、B=“sitting“,求编辑距离。#include<iostream>#include<cstdio......
  • 动态规划 —— 路径问题-地下城游戏
    1. 地下城游戏题目链接:174.地下城游戏-力扣(LeetCode)https://leetcode.cn/problems/dungeon-game/description/ 2. 算法原理 状态表示:以莫一个位置位置为结尾或者以莫一个位置为起点  dp[i,j]表示:到达[i,j]位置的时候,骑士所需要的最低初始健康点数(X),这个状......
  • 智慧国土空间规划方法探索与实践应用
    在数字化时代背景下,国土空间规划正经历着一场深刻的变革。智慧国土空间规划作为一种新兴的规划理念和方法,其核心在于利用现代信息技术,提高规划的科学性、精准性和动态适应性。本文将探讨智慧国土空间规划的方法探索与实践应用。1.智慧国土空间规划的概念智慧国......
  • 【WCH蓝牙系列芯片】-基于CH582开发板—动态更新蓝牙广播间隔
    ------------------------------------------------------------------------------------------------------------------------------------在使用蓝牙从机的时候,从机与主机设备在建立之前一直是出于广播数据状态,在从机中广播包含有广播数据和扫描回复数据,这两个内容的总长......
  • 动态动态规划 & 全局平衡二叉树 小记
    估计这几天是正式学习ddp,所以特写笔记。DDP简介是这样一类技巧,利用广义的矩阵乘法实现单点修改权值,动态查询某个点的DP值关于矩阵乘法,广义矩阵乘法其核心思想是利用矩阵乘法具有结合律(可以使用数据结构维护)的优势序列上的Ddp先看一个例子:最大子段和,显然我们有\(f_......
  • 动态规划-回文串问题——132.分割回文串II
    1.题目解析题目来源:132.分割回文串II——力扣测试用例2.算法原理首先回文串问题一定首先需要保存每个回文子串出现的位置,即二维dp表来存储所有子字符串中符合回文子串的位置,如图1.状态表示创建一个一维dp表来存储第i个位置之前的字符串数组全部划分为回文子......
  • Go语言的动态链接库(DLL)创建和使用
    #Go语言的动态链接库(DLL)创建和使用在讨论Go语言的动态链接库(DLL)创建和使用时,核心要点包括:创建DLL的步骤、调用DLL中的函数、跨平台兼容性问题、性能优化策略。创建DLL的步骤是理解和实践Go语言动态链接库的基础,涉及编写DLL源代码、编译为DLL文件以及确保DLL在目标系统上可用。......