Jzoj5446 高考是不可能高考的

本文介绍了一种结合二分查找与2SAT算法解决旗子摆放问题的方法。通过对旗子摆放位置进行优化处理,实现了在限制条件下最大化旗子间最小距离的目标。文章详细阐述了如何构造图模型及采用线段树或分块优化技巧。
Snuke 喜欢旗子.
Snuke 正在将N 个旗子摆在一条线上.
第i 个旗子可以被放在位置xi 或yi 上.

Snuke 认为两个旗子间的最小距离越大越好. 请你求出最大值.


今天这都是些集训队作业啊!

这个题本来以为一眼能做结果死磕磕不动

二分答案肯定是要的,问题是怎么判定解

1.dp肯定不行了

2.数据结构,也不行

3.图的最大独立集,比较靠谱但是。。。复杂度爆炸

正解:2SAT

考完听他们说才恍然大悟,我在分析的时候漏掉了一个条件,重点都放在了"xi,yi只能选一个"

但是还有一个条件:“xi,yi必须选一个”,我把这个重要条件作为判断二分可行性最后才用了

说说怎么构图

我们将所有的xi,yi放入一个数组s并排序,我们假设ai=0/1表示si这个位置有没有放旗子

显然有两种边:

1.若si和sj本来是同一个同一个k的xk,yk的话,这两者只可选择其一,即ai^aj=1

2.|si-sj|<我们二分的Mid,那么这两者最多选一个即ai&aj=0

很明显,如果直接暴力构图是过不去的,我们可以考虑以下两种优化方法:

1.线段树优化连边

2.分块优化连边

具体思路就是建立一些辅助点,当一个点x向一片区间s[l,r]连边的时候不需要每个都连接而是通过辅助点,这样可以减少边的总数(类似于中转站)

当然以上两种做法都比较复杂,我讲一种很简单而且很快的做法

我们二分答案的时候,我们发现需要将r开得很大(10^9)

而且我们注意到,如果暴力连边,Mid越大,边的数量就越多,而答案通常不大

所以我们考虑尽量减少r来降低复杂度

这里我们考虑一种dp的形式

假设这个问题中,xi,yi可以同时取,那么这个问题就变成了一个在s上的动态规划

方程为f[j]=max(f[i]+1){s[i]<=s[j]-Mid)

那么显然,这样做出来的答案会比正确答案更优(但是不正确),但是不会脱离太远(平均情况下<=10Answer)

所以我们将其作为一个二分的上界不会出问题只会优化时间复杂度

让后就莫名其妙拿了rank5[>_<]!

#include<vector>
#include<stdio.h>
#include<string.h>
#include<algorithm>
#define N 10010
using namespace std;
struct Graph{
	vector<int> G[N<<2];
	int dfn[N<<2],low[N<<2],stk[N<<2],top;
	int cnt,col[N<<2],clk,Col;
	inline void clear(int m){ 
		cnt=top=clk=Col=0; 
		for(int i=1;i<=m;++i) G[i].clear();
		memset(dfn,0,sizeof dfn);
		memset(col,0,sizeof col);
	}
	inline void adj(int x,int y){ G[x].push_back(y); }
	void dfs(int x){
		dfn[x]=low[x]=++clk;
		stk[++top]=x;
		for(int v,i=0,z=G[x].size();i<z;++i)
			if(!dfn[v=G[x][i]]){
				dfs(v); low[x]=min(low[x],low[v]);
			} else if(!col[v]) low[x]=min(dfn[v],low[x]);
		if(low[x]==dfn[x]){
			++Col;
			do{ col[stk[top]]=Col; } while(stk[top--]!=x);
		}
	}
	bool gScn(int n){
		for(int i=1;i<=n;++i) if(!dfn[i]) dfs(i);
		n>>=1;
		for(int i=1;i<=n;++i) if(col[i]==col[i+n]) return 0;
		return 1;
	}
} G;
struct dt{ int v,r; } s[N<<1];
int x[N],y[N],p[N<<1],n,m=0,c[N];
inline bool c1(dt a,dt b){ return a.v<b.v; }
inline int lowerbound(int p,int k){
	int l=1,r=p;
	for(int M;l<r;){
		M=l+r>>1;
		if(s[M].v<=k) l=M+1;
		else r=M;
	}
	return l;
}
inline int upperbound(int p,int k){
	int l=p,r=m;
	for(int M;l<r;){
		M=l+r+1>>1;
		if(s[M].v>=k) r=M-1;
		else l=M;
	}
	return l;
}
void buildGraph(int x){
	G.clear(m<<1);
	for(int i=1;i<=m;++i) G.adj(i,p[i]+m),G.adj(i+m,p[i]);
	for(int l,r,i=1;i<=m;++i){
		l=lowerbound(i,s[i].v-x);
		r=upperbound(i,s[i].v+x);
		for(;l<i;++l) G.adj(i,l+m);
		for(;r>i;--r) G.adj(i,r+m);
	}
}
int v[N<<1],f[N<<1];
inline bool ok(int x){
	v[0]=-100000000;
	memset(f,0,sizeof f); f[0]=0;
	for(int i=1,j;i<=m;++i){
		j=lower_bound(v,v+1+m,v[i]-x)-v;
		while(v[j]>v[i]-x) --j;
		f[i]=max(f[i-1],f[j]+1);
	}
	return f[m]>=n;
}
int main(){
	freopen("a.in","r",stdin);
	freopen("a.out","w",stdout);
	scanf("%d",&n);
	for(int i=1;i<=n;++i){
		scanf("%d%d",x+i,y+i);
		s[++m]=(dt){x[i],i};
		s[++m]=(dt){y[i],i};
	}
	sort(s+1,s+1+m,c1);
	for(int i=1;i<=m;++i){
		v[i]=s[i].v;
		if(!c[s[i].r]) c[s[i].r]=i;
		else { p[c[s[i].r]]=i; p[i]=c[s[i].r]; }
	}
	int l=0,r=100000000;
	for(int M;l<r;){
		M=l+r+1>>1;
		if(ok(M)) l=M;
		else r=M-1;
	}
	l=0;
	for(int M;l<r;){
		M=l+r+1>>1;
		buildGraph(M);
		if(G.gScn(m<<1)) l=M;
		else r=M-1;
	}
	printf("%d\n",l);
}

### 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