【JZOJ 6006】【PKUWC2019模拟2019.1.17】道路

本文深入探讨了一种基于倍增技巧的算法优化方法,通过减少不必要的状态存储,将原始复杂度从O(n³T²logk)降低至O((n³T+n²T²)logk)。该方法特别适用于路径计数问题,通过对倍增数组进行精简,仅保留方案数,从而实现效率提升。

Description

在这里插入图片描述

Solution

O(n3T2log⁡k)O(n^3T^2\log k)O(n3T2logk)的做法显然,
因为我们是倍增做的嘛,我们发现倍增的数组没有必要记录全部,因为经过的路径个数已知,为2i2^i2i,所以直接记录方案数即可,
这样就可以优化成O((n3T+n2T2)log⁡k)O((n^3T+n^2T^2)\log k)O((n3T+n2T2)logk)

Code

#include <cstdio>
#include <cstdlib>
#include <algorithm>
#define fo(i,a,b) for(int i=a;i<=b;++i)
#define fod(i,a,b) for(int i=a;i>=b;--i)
using namespace std;
typedef long long LL;
const int N=55,mo=998244353;
int read(int &n)
{
	int q=1;n=0;char ch=' ';
	for(;ch!='-'&&(ch<'0'||ch>'9');ch=getchar());
	if(ch=='-')ch=getchar(),q=-1;
	for(;ch<='9'&&ch>='0';ch=getchar())n=((n<<1)+(n<<3))+ch-48;
	return n=n*q;
}
int n,m,K;
LL C[N][N];
LL g[N][N],f[2][N][N][N],f1[N][N][N];
LL c[N][N][N];
LL er[N],er0[N];
int sc[N][N];
void CHENfg(int I)
{
	fo(k,1,n)fo(i,1,n)fo(j,1,n)
		fo(l,0,K)c[i][j][l]=(c[i][j][l]+f[I][k][j][l]*g[i][k])%mo;
	fo(i,1,n)fo(j,1,n)
	{
		fod(k,K,0)
		{
			LL t=0;
			fo(l,0,k)t=(t+c[i][j][l]*er[k-l]%mo*C[k][l])%mo;
			f[I][i][j][k]=(t+f[0][i][j][k]+g[i][j]*er[k])%mo;
			c[i][j][k]=0;
		}
	}
}
void CHENgg()
{
	fo(k,1,n)fo(i,1,n)fo(j,1,n)c[0][i][j]=(c[0][i][j]+g[i][k]*g[k][j])%mo;
	fo(i,1,n)fo(j,1,n)g[i][j]=c[0][i][j],c[0][i][j]=0;
}
int main()
{
	int q,w,_;
	read(n),read(m),read(_),read(K);
	fo(i,1,n)fo(j,1,n)g[i][j]=read(q);
	C[0][0]=1;
	fo(i,1,K)
	{
		C[i][0]=C[i][i]=1;
		fo(j,1,i-1)C[i][j]=(C[i-1][j]+C[i-1][j-1])%mo;
	}
	er0[0]=1;fo(i,1,K)er0[i]=(er0[i-1]<<1)%mo;
	fo(i,0,K)er[i]=1;
	for(--m;m;m>>=1,CHENgg())
	{
		if(m&1)CHENfg(1);
		CHENfg(0);
		fo(i,0,K)er[i]=er[i]*er0[i]%mo;
	}
	fo(i,1,n)fo(j,1,n)g[i][j]=(f[1][i][j][K]+mo)%mo;
	fo(I,1,_)
	{
		read(q),read(w);
		printf("%lld\n",g[q][w]);
	}
	return 0;
}
### 解题思路 题目要求解决的是一个与图相关的最小覆盖问题,通常在特定条件下可以通过状态压缩动态规划(State Compression Dynamic Programming, SCDP)来高效求解。由于状态压缩的适用条件是状态维度较小(例如K≤10),因此可以利用二进制表示状态集合,从而优化计算过程。 #### 1. 状态表示 - 使用一个整数 `mask` 表示当前选择的点集,其中第 `i` 位为 `1` 表示第 `i` 个节点被选中。 - 定义 `dp[mask]` 表示在选中 `mask` 所代表的点集后,能够覆盖的节点集合。 - 可以通过预处理每个点的邻域信息(包括自身和所有直接连接的点),快速更新状态。 #### 2. 预处理邻域 对于每个节点 `u`,预先计算其邻域范围 `neighbor[u]`,即从该节点出发一步能到达的所有节点集合。这样,在后续的状态转移过程中,可以直接使用这些信息进行合并操作。 #### 3. 状态转移 - 初始化:对每个单独节点 `u`,设置初始状态 `dp[1 << u] = neighbor[u]`。 - 转移规则:对于任意两个状态 `mask1` 和 `mask2`,如果它们没有交集,则可以通过合并这两个状态得到新的状态 `mask = mask1 | mask2`,并更新对应的覆盖范围为 `dp[mask1] ∪ dp[mask2]`。 - 在所有状态生成之后,检查是否某个状态的覆盖范围等于全集(即覆盖了所有节点)。如果是,则记录此时使用的最少节点数量。 #### 4. 最优解提取 遍历所有可能的状态,找出能够覆盖整个图的最小节点数目。 --- ### 时间复杂度分析 - 状态总数为 $ O(2^K) $,其中 `K` 是关键点的数量。 - 每次状态转移需要枚举所有可能的子集组合,复杂度为 $ O(2^K \cdot K^2) $。 - 整体时间复杂度控制在可接受范围内,适用于 `K ≤ 10~20` 的情况。 --- ### 代码实现(状态压缩 DP) ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 25; int neighbor[MAXN]; // 每个节点的邻域 int dp[1 << 20]; // dp[mask] 表示选中的点集合为 mask 时所能覆盖的点集合 int min_nodes; // 最小覆盖点数 void solve(int n, vector<vector<int>>& graph) { // 预处理每个节点的邻域 for (int i = 0; i < n; ++i) { neighbor[i] = (1 << i); // 包括自己 for (int j : graph[i]) { neighbor[i] |= (1 << j); } } // 初始化 dp 数组 memset(dp, 0x3f, sizeof(dp)); for (int i = 0; i < n; ++i) { dp[1 << i] = neighbor[i]; } // 状态转移 for (int mask = 1; mask < (1 << n); ++mask) { if (__builtin_popcount(mask) >= min_nodes) continue; // 剪枝 for (int sub = mask & (mask - 1); sub; sub = (sub - 1) & mask) { int comp = mask ^ sub; if (comp == 0) continue; int new_mask = mask; int covered = dp[sub] | dp[comp]; if (covered == (1 << n) - 1) { min_nodes = min(min_nodes, __builtin_popcount(new_mask)); } dp[new_mask] = min(dp[new_mask], covered); } } } int main() { int n, m; cin >> n >> m; vector<vector<int>> graph(n); for (int i = 0; i < m; ++i) { int u, v; cin >> u >> v; graph[u].push_back(v); graph[v].push_back(u); // 无向图 } min_nodes = n; solve(n, graph); cout << "Minimum nodes required: " << min_nodes << endl; return 0; } ``` --- ### 优化策略 - **剪枝**:当当前状态所用节点数已经超过已知最优解时,跳过后续计算。 - **提前终止**:一旦发现某个状态覆盖了全部节点,并且节点数达到理论下限,即可提前结束程序。 - **空间优化**:可以仅保存当前轮次的状态,减少内存占用。 --- ### 总结 本题通过状态压缩动态规划的方法,将原本指数级复杂度的问题压缩到可接受范围内。结合位运算技巧和预处理机制,能够高效地完成状态转移和覆盖判断操作。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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