Jzoj3498 图形变换

这道题目涉及图形变换的模拟,由于存在大量重叠的变换导致直接模拟会超时。通过引入置换矩阵和平移、放缩、旋转的表示,可以利用矩阵快速幂优化算法来高效解决。矩阵快速幂能有效处理嵌套循环中的多次变换操作。
对一个由n个点组成的图形连续作平移、缩放、旋转变换。相关操作定义如下:
Trans(dx,dy) 表示平移图形,即把图形上所有的点的横纵坐标分别加上dx和dy;
Scale(sx,sy) 表示缩放图形,即把图形上所有点的横纵坐标分别乘以sx和sy;
Rotate(θ,x0,y0) 表示旋转图形,即把图形上所有点的坐标绕(x0,y0)顺时针旋转θ角度
由于某些操作会重复运行多次,翔翔还定义了循环指令:
Loop(m)
… 
End 

表示把Loop和对应End之间的操作循环执行m次,循环可以嵌套。

这道题看似一到模拟题,但是很明显TLE

那么既然,看到类似于大量重叠的变换,自然想到矩阵快速幂

这里简单说一下置换矩阵:

假设我们用矩阵[x1,y1,1]表示一个点,那么分别对应三种操作的置换矩阵就是

平移:

[1,0,0]

[0,1,0]

[x,y,1]

放缩

[x,0,0]

[0,y,0]

[0,0,1]

旋转比较复杂

若旋转角为c

[cos c,sin c,0]

[-sin c,cos c,0]

[y*sin c-x*cos c+x,-y*cos c-x*sin c+y,1]

下面就交给矩阵快速幂搞定

#pragma GCC opitmize("O3")
#pragma G++ opitmize("O3")
#include<stdio.h>
#include<string.h>
#include<algorithm>
#include<math.h>
using namespace std;
struct Mat{
	int n,m;
	double s[3][3];
	inline void clear(){ memset(s,0,sizeof s); }
	inline double* operator[] (int i){ return s[i]; }
	inline void init(int x,int y){ n=x; m=y; memset(s,0,sizeof s); }
} s[110],A;
Mat operator* (Mat a,Mat b){
	Mat c; c.init(a.n,b.m);
	for(int i=0;i<a.n;++i)
		for(int j=0;j<b.m;++j)
			for(int k=0;k<a.m;++k)
				c.s[i][j]+=a.s[i][k]*b.s[k][j];
	return c;
}
Mat pow(Mat x,int k){
	Mat s; s.init(3,3);
	s[0][0]=s[1][1]=s[2][2]=1.;
	for(;k;x=x*x,k>>=1) if(k&1) s=s*x;
	return s;
}
Mat dfs(){
	Mat s,b; char c; int t;
	double x,y,cita,Sin,Cos;
	s.init(3,3); b.init(3,3);
	s[0][0]=s[1][1]=s[2][2]=1.;
	begin:
	if(scanf("%c",&c)==-1) return s;
	if(c=='E'){ scanf("nd\n"); return s; }
	if(c=='T') {
		scanf("rans(%lf,%lf)\n",&x,&y);
		b.clear(); b[0][0]=b[1][1]=b[2][2]=1.;
		b[2][0]=x; b[2][1]=y; s=s*b; 
	} else if(c=='S'){
		scanf("cale(%lf,%lf)\n",&x,&y);
		b.clear(); b[0][0]=x; b[1][1]=y; b[2][2]=1;
		s=s*b; 
	} else if(c=='R'){
		scanf("otate(%lf,%lf,%lf)\n",&cita,&x,&y);
		cita=(360.-cita)/180.*M_PI;
		Sin=sin(cita); Cos=cos(cita);
		b.clear(); 
		b[0][0]=Cos; b[0][1]=Sin;
		b[1][0]=-Sin; b[1][1]=Cos;
		b[2][0]=Sin*y-Cos*x+x;
		b[2][1]=-Cos*y-Sin*x+y;
		b[2][2]=1;
		s=s*b; 
	} else if(c=='L'){
		scanf("oop(%d)\n",&t);
		b=dfs(); s=s*pow(b,t);
	}
	goto begin;
}
int n;
int main(){
    freopen("transform.in","r",stdin);
    freopen("transform.out","w",stdout);
	scanf("%d\n",&n);
	for(int i=1;i<=n;++i){
		s[i].init(1,3);
		scanf("%lf%lf\n",s[i][0],s[i][0]+1);
		s[i][0][2]=1;
	}
	A.init(3,3); A=dfs();
	for(int i=1;i<=n;++i){
		s[i]=s[i]*A;
		printf("%.4lf %.4lf\n",s[i][0][0],s[i][0][1]);
	}
}




### 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 2
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