【LuoguP4719】动态DP模板-树链剖分+线段树+矩阵乘法

本文介绍了一种利用树链剖分、线段树及特殊矩阵乘法优化动态规划的方法,针对树形DP模型中的最大权值独立集问题进行动态维护,通过转化树上问题到序列上,使用新型矩阵乘法加速转移过程,最终实现O(8nlog²n)时间复杂度的解决方案。

测试地址:动态DP
做法: 本题需要用到树链剖分+线段树+矩阵乘法维护动态DP。
动态DP这个东西以前听过,但当时没有看懂,现在想来觉得是卡在矩阵乘法这个地方。这里用的不是传统的矩阵乘法。
一般的DP我们肯定会做,序列上的线性动态DP(可以用线性递推式递推的DP)很容易想到用线段树+矩阵乘法优化,但最大权值独立集这个经典树形DP模型要动态维护的话,有两个和上面问题不同的地方,第一是它不是序列,第二它的递推式有个 max ⁡ \max max,这肯定不能用一般的矩阵乘法解决。下面我们来一一解决这些问题。
首先是把树上的问题转化为序列上的问题来做,显然可以想到树链剖分。根据经典的DP方程:
f ( i , 0 ) = ∑ max ⁡ { f ( s o n , 0 ) , f ( s o n , 1 ) } f(i,0)=\sum \max\{f(son,0),f(son,1)\} f(i,0)=max{f(son,0),f(son,1)}
f ( i , 1 ) = v a l i + ∑ f ( s o n , 0 ) f(i,1)=val_i+\sum f(son,0) f(i,1)=vali+f(son,0)
而转移到序列上之后,一个点不在同一条重链上的其他儿子的贡献是一定的,我们把这些贡献记作 s ( i , 0 / 1 ) s(i,0/1) s(i,0/1),那么新的转移方程为:
f ( i , 0 ) = max ⁡ { f ( s o n , 0 ) , f ( s o n , 1 ) } + s ( i , 0 ) f(i,0)=\max\{f(son,0),f(son,1)\}+s(i,0) f(i,0)=max{f(son,0),f(son,1)}+s(i,0)
f ( i , 1 ) = f ( s o n , 0 ) + s ( i , 1 ) f(i,1)=f(son,0)+s(i,1) f(i,1)=f(son,0)+s(i,1)
而在每次修改的时候,根据树链剖分的性质,最多有 O ( log ⁡ n ) O(\log n) O(logn)条轻边,所以最多 O ( log ⁡ n ) O(\log n) O(logn) s s s会改变,这个性质对接下来的讨论有很大帮助。
于是开始讨论第二个问题,如何加速转移?此时我们需要用一种奇特的矩阵乘法,一般的矩阵乘法是这样的:
c i , j = ∑ k a i , k b k , j c_{i,j}=\sum_ka_{i,k}b_{k,j} ci,j=kai,kbk,j
而这题需要用到的矩阵乘法是这样的:
c i , j = max ⁡ k { a i , k + b k , j } c_{i,j}=\max_k\{a_{i,k}+b_{k,j}\} ci,j=maxk{ai,k+bk,j}
就是把加法变成 max ⁡ \max max,乘法变成加法。我们发现这样的矩阵乘法和倍增+Floyd的那个合并方式完全一样,它具有和矩阵乘法一样的结合律,因此我们只要维护这样的矩阵乘法就可以了。具体转移矩阵的写法,我们把上面转移方程中 max ⁡ \max max括号外面的 s ( i , 0 ) s(i,0) s(i,0)移到里面,分别加在两项中,就很显然是上面新型矩阵乘法的模式了。如果不希望从某个东西转移,在那个位置填一个 − i n f -inf inf即可,具体的矩阵因为用latex写太麻烦我就不写了。而这样的矩阵乘法的单位矩阵是,主对角线是 0 0 0,其他位置都是 − i n f -inf inf,证明显然。又根据上面的结论,转移矩阵每次最多有 O ( log ⁡ n ) O(\log n) O(logn)个改变,因此用线段树维护单点修改即可,这样我们就以 O ( 8 n log ⁡ 2 n ) O(8n\log^2n) O(8nlog2n)的时间复杂度解决了这一题。
以下是本人代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const ll inf=1000000000ll*1000000000ll;
int n,m,first[100010],tot=0;
int son[100010],fa[100010],top[100010],bot[100010],siz[100010];
int pos[100010],qpos[100010],tim=0;
ll val[100010],f[100010][2],s[100010][2];
struct edge
{
	int v,next;
}e[200010];
struct matrix
{
	ll s[2][2];
}seg[400010],Ans,E,C;

void insert(int a,int b)
{
	e[++tot].v=b;
	e[tot].next=first[a];
	first[a]=tot;
}

void dfs1(int v)
{
	f[v][0]=0,f[v][1]=val[v];
	son[v]=0;siz[v]=1;
	for(int i=first[v];i;i=e[i].next)
		if (e[i].v!=fa[v])
		{
			fa[e[i].v]=v;
			dfs1(e[i].v);
			f[v][0]+=max(f[e[i].v][0],f[e[i].v][1]);
			f[v][1]+=f[e[i].v][0];
			siz[v]+=siz[e[i].v];
			if (siz[e[i].v]>siz[son[v]])
				son[v]=e[i].v;
		}
}

void dfs2(int v,int tp)
{
	top[v]=tp;
	pos[v]=++tim,qpos[tim]=v;
	if (son[v]) dfs2(son[v],tp),bot[v]=bot[son[v]];
	else bot[v]=v;
	s[v][0]=f[v][0]-max(f[son[v]][0],f[son[v]][1]);
	s[v][1]=f[v][1]-f[son[v]][0];
	for(int i=first[v];i;i=e[i].next)
		if (e[i].v!=fa[v]&&e[i].v!=son[v])
			dfs2(e[i].v,e[i].v);
}

void Mult(matrix &S,matrix A,matrix B)
{
	for(int i=0;i<2;i++)
		for(int j=0;j<2;j++)
		{
			S.s[i][j]=-inf;
			for(int k=0;k<2;k++)
				S.s[i][j]=max(S.s[i][j],A.s[i][k]+B.s[k][j]);
		}
}

void pushup(int no)
{
	Mult(seg[no],seg[no<<1],seg[no<<1|1]);
}

void buildtree(int no,int l,int r)
{
	if (l==r)
	{
		seg[no].s[0][0]=seg[no].s[0][1]=s[qpos[l]][0];
		seg[no].s[1][0]=s[qpos[l]][1];
		seg[no].s[1][1]=-inf;
		return;
	}
	int mid=(l+r)>>1;
	buildtree(no<<1,l,mid);
	buildtree(no<<1|1,mid+1,r);
	pushup(no);
}

void modify(int no,int l,int r,int x)
{
	if (l==r)
	{
		seg[no]=C;
		return;
	}
	int mid=(l+r)>>1;
	if (x<=mid) modify(no<<1,l,mid,x);
	else modify(no<<1|1,mid+1,r,x);
	pushup(no);
}

void query(int no,int l,int r,int s,int t)
{
	if (l>=s&&r<=t)
	{
		Mult(Ans,Ans,seg[no]);
		return;
	}
	int mid=(l+r)>>1;
	if (s<=mid) query(no<<1,l,mid,s,t);
	if (t>mid) query(no<<1|1,mid+1,r,s,t);
}

void Modify(int x,ll v)
{
	ll last0,last1;
	Ans=E;
	query(1,1,n,pos[top[x]],pos[bot[x]]);
	last0=max(Ans.s[0][0],Ans.s[0][1]);
	last1=max(Ans.s[1][0],Ans.s[1][1]);
	
	s[x][1]+=v-val[x];
	C.s[1][0]=s[x][1];
	val[x]=v;
	C.s[0][0]=C.s[0][1]=s[x][0];
	C.s[1][0]=s[x][1];
	C.s[1][1]=-inf;
	
	modify(1,1,n,pos[x]);
	x=top[x];
	while(x!=1)
	{
		int y=fa[x];
		Ans=E;
		query(1,1,n,pos[x],pos[bot[x]]);
		ll ans0=max(Ans.s[0][0],Ans.s[0][1]);
		ll ans1=max(Ans.s[1][0],Ans.s[1][1]);
		s[y][0]+=max(ans0,ans1)-max(last0,last1);
		s[y][1]+=ans0-last0;
		C.s[0][0]=C.s[0][1]=s[y][0];
		C.s[1][0]=s[y][1];
		C.s[1][1]=-inf;
		
		Ans=E;
		query(1,1,n,pos[top[y]],pos[bot[y]]);
		last0=max(Ans.s[0][0],Ans.s[0][1]);
		last1=max(Ans.s[1][0],Ans.s[1][1]);
		
		modify(1,1,n,pos[y]);
		x=top[y];
	}
}

int main()
{
	scanf("%d%d",&n,&m);
	for(int i=1;i<=n;i++)
		scanf("%lld",&val[i]);
	for(int i=1;i<n;i++)
	{
		int a,b;
		scanf("%d%d",&a,&b);
		insert(a,b),insert(b,a);
	}
	
	fa[1]=siz[0]=0;
	dfs1(1);
	f[0][0]=f[0][1]=0;
	dfs2(1,1);
	buildtree(1,1,n);
	
	E.s[1][0]=E.s[0][1]=-inf;
	for(int i=1;i<=m;i++)
	{
		int x;ll y;
		scanf("%d%lld",&x,&y);
		Modify(x,y);
		Ans=E;
		query(1,1,n,pos[1],pos[bot[1]]);
		ll ans0=max(Ans.s[0][0],Ans.s[0][1]);
		ll ans1=max(Ans.s[1][0],Ans.s[1][1]);
		printf("%lld\n",max(ans0,ans1));
	}
	
	return 0;
}
<think>我们使用树链剖分(重链剖分)将树分割成链,然后利用DFS序(实际上是剖分后的DFS序)将树结构转化为线性序列,然后使用线段树维护序列上的权值。这样,子树查询就转化为区间查询,节点更新就转化为单点更新。 树链剖分的DFS序:在剖分DFS中,我们优先遍历重儿子,这样保证重链上的节点在DFS序中是连续的。同时,每个子树在DFS序中也是连续的(因为DFS遍历子树时是连续的)。因此,子树查询可以转化为区间查询。 步骤: 1. 第一次DFS:计算每个节点的父节点、深度、重儿子、子树大小。 2. 第二次DFS:确定DFS序(时间戳),同时记录每个节点所在链的顶端节点(用于路径查询,但本题只需要子树查询,所以这一步可以简化,但我们还是按标准剖分来做)。 3. 建立线段树:在DFS序上建立线段树,支持单点更新和区间求和。 子树查询:对于节点u,其子树对应的区间为[in[u], out[u]](即DFS进入和退出的时间戳)。注意:在树链剖分中,由于优先遍历重儿子,子树节点在DFS序中仍然是连续的。 因此,我们可以使用线段树来维护这个区间和。 伪代码(Python风格)如下: ```python import sys sys.setrecursionlimit(200000) class SegmentTree: def __init__(self, data): self.n = len(data) self.size = 1 while self.size < self.n: self.size *= 2 self.tree = [0] * (2 * self.size) # 构建线段树,初始数据 for i in range(self.n): self.tree[self.size + i] = data[i] for i in range(self.size - 1, 0, -1): self.tree[i] = self.tree[2*i] + self.tree[2*i+1] def update(self, index, value): # 单点更新:将位置index的值改为value(注意:这里是直接赋值,如果是增加则需要调整) # 但通常我们支持增加一个差值,这里按需求,我们假设是更新为新的值,所以需要知道旧值?或者我们设计为增加一个增量? # 根据问题,节点改变权值,我们可以用增量更新。但为了通用,这里我们实现为单点设置值,但需要知道原值?或者我们设计为传入增量(更符合动态更新)。 # 这里我们实现为增量更新(delta) # index: 原始数组中的位置(0-indexed) pos = index + self.size self.tree[pos] += value # 增加一个增量 while pos > 1: pos //= 2 self.tree[pos] = self.tree[2*pos] + self.tree[2*pos+1] def query(self, l, r): # 区间查询 [l, r] (闭区间) l += self.size r += self.size res = 0 while l <= r: if l % 2 == 1: res += self.tree[l] l += 1 if r % 2 == 0: res += self.tree[r] r -= 1 l //= 2 r //= 2 return res # 树链剖分部分 n = 100000 graph = [[] for _ in range(n+1)] # 第一次DFS:计算父节点、深度、子树大小、重儿子 parent = [0] * (n+1) depth = [0] * (n+1) size = [0] * (n+1) heavy = [-1] * (n+1) # 重儿子,初始化为-1 def dfs1(u, p, d): parent[u] = p depth[u] = d size[u] = 1 max_size = 0 for v in graph[u]: if v == p: continue dfs1(v, u, d+1) size[u] += size[v] if size[v] > max_size: max_size = size[v] heavy[u] = v # 第二次DFS:确定DFS序(时间戳)和重链的顶端 head = [0] * (n+1) # 链的顶端节点 pos = [-1] * (n+1) # 节点在DFS序中的位置(时间戳) cur_time = 0 def dfs2(u, h): global cur_time head[u] = h pos[u] = cur_time cur_time += 1 # 如果有重儿子,先遍历重儿子 if heavy[u] != -1: dfs2(heavy[u], h) for v in graph[u]: if v == parent[u] or v == heavy[u]: continue dfs2(v, v) # 轻儿子,自己作为新链的顶端 # 初始化 def init_tree(root): dfs1(root, 0, 0) dfs2(root, root) # 初始化一个长度为n(节点数)的数组,初始权值,假设为0,或者根据实际输入 arr = [0] * n # 注意:节点从1开始,时间戳从0到n-1 seg_tree = SegmentTree(arr) return seg_tree, pos, head # 返回线段树和位置数组 # 更新节点u的权值(增加delta) def update_node(seg_tree, u, delta): idx = pos[u] # 节点u在线段树中的位置 seg_tree.update(idx, delta) # 查询子树u的权值和:子树u对应的区间为 [pos[u], pos[u]+size[u]-1] ?注意:在树链剖分的DFS序中,子树u的节点在区间[pos[u], pos[u]+size[u]-1]内吗? # 实际上,在第二次DFS中,我们优先遍历重儿子,然后轻儿子。子树u的DFS序区间是连续的,因为递归完子树后才会遍历下一个子树。所以子树u的区间为 [pos[u], pos[u] + size[u] - 1]。 def query_subtree(seg_tree, u): l = pos[u] r = pos[u] + size[u] - 1 return seg_tree.query(l, r) # 注意:这里线段树的区间是[0, n-1],所以直接使用pos[u]和pos[u]+size[u]-1即可。 ``` ### 注意点: - 树链剖分的DFS序保证了每个子树是连续的,所以我们可以用区间[pos[u], pos[u]+size[u]-1]表示子树。 - 线段树支持区间求和和单点更新(增量更新)。如果节点权值改变为新的值,则需要计算增量(新值-旧值)然后更新。 ### 时间复杂度: - 预处理:两次DFS,O(n) - 更新:O(log n) - 查询:O(log n) ### 与树状数组+DFS序的对比: - 树状数组+DFS序(普通DFS序)同样可以做到,且树状数组常数更小,代码更简单。 - 树链剖分的主要优势在于可以同时支持路径查询(而不仅仅是子树查询)。如果问题需要查询路径上的权值和,树链剖分就更有优势。 ### 总结: 对于子树查询,树状数组+普通DFS序已经足够高效。树链剖分+线段树也可以实现,但代码稍复杂,但扩展性强(支持路径查询)。本题要求子树查询,两种方法均可,但树链剖分在这里有点“大材小用”。 §§相关问题§§ 1. 树链剖分中重链和轻链的作用是什么?为什么优先遍历重儿子? 2. 除了子树查询,树链剖分还能支持哪些类型的查询和操作? 3. 如果树的结构是动态变化的(如添加或删除边),如何维护树链剖分? 4. 线段树和树状数组在实现子树查询时各自的优缺点是什么?</think>对于树结构不变、节点数不超过 100,000 的场景,使用 **线段树 + 树链剖分** 是高效支持子树权值查询和节点权值更新的解决方案。树链剖分将树结构转化为线性序列,线段树则提供高效的区间查询和单点更新能力。 ### 解决方案步骤: 1. **树链剖分预处理**: - **第一次 DFS**:计算每个节点的父节点、深度、子树大小(`size[u]`)和重儿子(子树最大的子节点) - **第二次 DFS**:生成 DFS 序(优先遍历重儿子),记录节点入序时间戳 `dfn[u]` 和子树结束时间 `end[u]`(子树节点在 DFS 序中连续) 2. **线段树构建**: - 基于 DFS 序构建线段树,叶子节点存储原始节点权值 - 支持单点更新(节点权值修改)和区间查询(子树权值和) ### 代码实现(Python 风格) ```python import sys sys.setrecursionlimit(200000) class SegmentTree: def __init__(self, n): self.n = n self.size = 1 while self.size < n: self.size *= 2 self.tree = [0] * (2 * self.size) def update(self, index, delta): """单点更新:位置 index 增加 delta""" i = index + self.size self.tree[i] += delta while i > 1: i //= 2 self.tree[i] = self.tree[2*i] + self.tree[2*i+1] def query(self, l, r): """区间查询 [l, r] 的和""" l += self.size r += self.size res = 0 while l <= r: if l % 2 == 1: res += self.tree[l] l += 1 if r % 2 == 0: res += self.tree[r] r -= 1 l //= 2 r //= 2 return res # 树链剖分预处理 n = 100000 # 最大节点数 graph = [[] for _ in range(n+1)] parent = [0] * (n+1) # 父节点 depth = [0] * (n+1) # 深度 size = [0] * (n+1) # 子树大小 heavy = [-1] * (n+1) # 重儿子 dfn = [0] * (n+1) # DFS 入序时间戳 end = [0] * (n+1) # 子树结束时间戳 cur_time = 0 def dfs1(u, p, d): """第一次 DFS:计算 size/heavy""" parent[u] = p depth[u] = d size[u] = 1 max_size = 0 for v in graph[u]: if v == p: continue dfs1(v, u, d+1) size[u] += size[v] if size[v] > max_size: max_size = size[v] heavy[u] = v def dfs2(u, head): """第二次 DFS:生成 DFS 序""" global cur_time dfn[u] = cur_time cur_time += 1 # 优先遍历重儿子 if heavy[u] != -1: dfs2(heavy[u], head) # 重儿子继承当前链头 for v in graph[u]: if v == parent[u] or v == heavy[u]: continue dfs2(v, v) # 轻儿子作为新链头 end[u] = cur_time - 1 # 子树结束时间 # 初始化树链剖分 def init_tree(root=1): dfs1(root, 0, 0) dfs2(root, root) # 根节点作为第一条链的链头 return SegmentTree(cur_time) # 创建线段树 # 更新节点 u 的权值 (新值 new_val) def update_node(seg_tree, u, new_val, old_val): delta = new_val - old_val seg_tree.update(dfn[u], delta) # 查询子树 u 的权值和 def query_subtree(seg_tree, u): return seg_tree.query(dfn[u], end[u]) # 使用示例 if __name__ == "__main__": # 假设树已构建在 graph 中,root=1 seg_tree = init_tree() # 初始化节点权值 (假设存储在 node_val 数组) for u in range(1, n+1): seg_tree.update(dfn[u], node_val[u]) # 示例:更新节点 5 权值为 10 (旧值假设为 7) update_node(seg_tree, 5, 10, 7) # 示例:查询子树 3 的权值和 print(query_subtree(seg_tree, 3)) ``` ### 时间复杂度分析 | 操作 | 时间复杂度 | 说明 | |--------------|------------|--------------------------| | 树链剖分预处理 | O(n) | 两次 DFS 遍历 | | 单点权值更新 | O(log n) | 线段树单点更新 | | 子树权值查询 | O(log n) | 线段树区间查询 | ### 优势与适用场景 1. **树链剖分优势**: - 将子树查询转化为 **连续区间查询**(`[dfn[u], end[u]]`) - DFS 序连续性由重链优先遍历保证 2. **线段树优势**: - O(log n) 高效区间求和 - 支持动态点更新 3. **扩展性**: - 可扩展支持路径查询(通过跳链查询) - 可支持其他聚合操作(最大值、最小值等) 此方案在节点数 100,000 时完全可行,预处理 O(n),每次操作 O(log n)。
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