二进制枚举子集与容斥

一般的3^p的统计子集答案的方法
时间复杂度O(3^p),空间上需要两个数组。 (p为位数)

void sumup()
{   
    for(int i=1;i<=top;i++)
    {
        for(int s=(i-1)&i;s>0;s=(s-1)&i) 
        {cal(i,s); fix();}  
    }
}

用容斥的方式统计该集合的子集答案对该集合的影响
时间复杂度O(p* 2^p)),空间只需要一个数组。(p为位数)

void sumup()
{   
    for(int i=0;i<P;i++) 
    {
        int S=top^(1<<i);
        for(int ss=S;ss>0;ss=(ss-1)&S)
        {
            cal(ss|(1<<i),ss);
            fix();
        }
        cal(1<<i,0);
        fix();
    }
}

非常重要的就是利用已经求出的值。

以今天kor一题的代码为例,

题意是给出n个数ai(n<=1e5,ai<=2^20),选出k个数(k<=n),使他们或起来的值为r(r<=2^20)的方案数有多少。
原本的cnt[x]表示值为x的数的个数,

经过sumup( ) 统计0~(1<< P)-1 这些集合中是这个数或1其子集的数有多少,
cnt[x]变为 值为x或x的子集的数的个数。
再通过排列数 cnt[x]=comb(cnt[x],k),cnt[x]变为,选k个数或起来是x或x的子集的方案数。
sumdown( )是个容斥,cnt[x]最终变为选k个数或起来是的方案数。


UPD:这玩意不就是FWT嘛
代码:

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int P=20;
const int N=100010;
const int mod=1000000000+7;
const int top=(1<<P)-1;
int T,n,k,r,cnt[1<<P],fac[N],inv[N];
int modpow(int a,int b) {
    int ans=1; int base=a;
    for(;b;b>>=1)
    {
        if(b&1) ans=(1LL*ans*base)%mod;
        base=(1LL*base*base)%mod;
    }   
    return ans;
}
void init()
{
    fac[1]=inv[1]=fac[0]=inv[0]=1;
    for(int i=2;i<=100000;i++)
    {
        fac[i]=(1LL*fac[i-1]*i)%mod;
        inv[i]=modpow(fac[i],mod-2)%mod;
    }
}
void fix(int &x)
{
    while(x>=mod) x-=mod;
    while(x<0) x+=mod;
}
void sumup()
{   
    for(int i=0;i<P;i++)
    {
        int S=top^(1<<i);
        for(int ss=S;ss>0;ss=(ss-1)&S)
        {
            cnt[ss|(1<<i)]=cnt[ss|(1<<i)]+cnt[ss];
            fix(cnt[ss|(1<<i)]);
        }
        cnt[1<<i]=cnt[1<<i]+cnt[0];
        fix(cnt[1<<i]);
    }
}
void sumdown()
{
    for(int i=0;i<P;i++)
    {
        int S=top^(1<<i);
        for(int ss=S;ss>0;ss=(ss-1)&S)
        {
            cnt[ss|(1<<i)]=cnt[ss|(1<<i)]-cnt[ss];
            fix(cnt[ss|(1<<i)]);
        }
        cnt[1<<i]=cnt[1<<i]-cnt[0];
        fix(cnt[1<<i]);
    }
}
int comb(int a,int b)
{
    if(a<b) return 0;
    int iv=(1LL*inv[a-b]*inv[b])%mod;
    int ans=(1LL*fac[a]*iv)%mod;
    return ans;
}
int main()
{
    freopen("kor.in","r",stdin);
    freopen("kor.out","w",stdout);
    init();
    scanf("%d",&T);
    while(T--)
    {
        memset(cnt,0,sizeof(cnt));
        scanf("%d%d%d",&n,&k,&r);
        for(int i=1;i<=n;i++)
        {
            int x;
            scanf("%d",&x);
            cnt[x]++;     
        }
        sumup();
        for(int i=0;i<=top;i++)
        cnt[i]=comb(cnt[i],k);
        sumdown();
        printf("%d\n",cnt[r]);
    }
    return 0;
}
### 如何用编程方法生成合的所有子集 #### 时间复杂度基本原理 枚举子集的核心在于理解其时间复杂度以及背后的逻辑。对于一个大小为 \( n \) 的合,其所有可能的子集数量为 \( 2^n \),这是因为每个元素都有两种状态:要么属于某个子集,要么不属于该子集[^1]。 这种指数级的时间复杂度意味着,在实际应用中,通常只适合处理较小规模的数据(例如 \( n \leq 30 \))。为了高效地生成这些子集,可以通过位运算或者递归来实现。 --- #### 方法一:基于位运算的方法 通过将整数范围内的每一个数字视为一种掩码来表示不同的子集组合。具体来说: - 假设合中的元素编号从 0 到 \( n-1 \)。 - 对于任意一个介于 \( 0 \) 和 \( 2^n - 1 \) 范围内的整数 \( i \),将其转化为二进制形式,则第 \( j \)-bit 表示是否选取原合中的第 \( j \) 号元素。 以下是 Python 实现代码: ```python def generate_subsets_bitmask(s): n = len(s) subsets = [] for mask in range(1 << n): # 遍历从 0 到 (2^n - 1) subset = [s[j] for j in range(n) if (mask & (1 << j))] subsets.append(subset) return subsets # 测试例子 example_set = ['a', 'b', 'c'] result = generate_subsets_bitmask(example_set) print(result) ``` 上述程序利用了按位操作符 `&` 来判断某一位是否被设置为 1,从而决定当前元素是否加入到对应的子集中[^3]。 --- #### 方法二:基于递归的方式 另一种常见的做法是采用分治的思想,即每次考虑下一个未决策的元素是否有资格进入当前构建过程中的部分解里去形成新的候选方案之一;最终当遍历完成整个数组之后便能够得到完整的幂结构。 下面是 C++ 版本的一个简单示范: ```cpp #include <iostream> #include <vector> using namespace std; void findSubsets(int index, vector<int> currentSet, const vector<int>& originalSet, vector<vector<int>>& allSubsets){ if(index == originalSet.size()){ allSubsets.push_back(currentSet); return; } // 不选择当前位置上的元素 findSubsets(index + 1, currentSet, originalSet, allSubsets); // 选择当前位置上的元素 currentSet.push_back(originalSet[index]); findSubsets(index + 1, currentSet, originalSet, allSubsets); } int main(){ vector<int> set = {1, 2, 3}; vector<vector<int>> result; findSubsets(0, {}, set, result); cout << "All Subsets:" << endl; for(auto s : result){ cout << "{ "; for(auto elem : s){ cout << elem << " "; } cout << "}" << endl; } return 0; } ``` 此版本展示了如何通过函数调用来模拟树形搜索路径,并逐步累积每条分支的结果直到叶节点处收完毕为止[^2]。 --- #### 复杂度分析 无论采取哪种方式实现,由于都需要访问全部潜在可能性因此总体计算量必然达到 \( O(2^n * k) \),其中 \( k \) 是平均单个输出所需的操作次数(比如拷贝列表等额外开销),而空间消耗则取决于所使用的数据存储策略及其最大深度限制条件下的栈帧需求情况。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值