[记忆化搜索] JZOJ P3767 路径

Description

在一个N个节点的无向图(没有自环、重边)上,每个点都有一个符号,可能是数字,也可能是加号、减号、乘号、除号、小括号。你要在这个图上数一数,有多少种走恰好K个节点的方法,使得路过的符号串起来能够得到一个算数表达式 算数表达式。路径的起点和终点可以任意选择。

所谓算数表达式 算数表达式,就是由运算符连接起来的一系列数字。括号可以插入在表达式中以表明运算顺序。

注意,你要处理各种情况,比如数字不能有多余的前导0,减号只有前面没有运算符或数字的时候才可以当成负号,括号可以任意添加(但不能有空括号),0可以做除数(我们只考虑文法而不考虑语意),加号不能当正号。

例如,下面的是合法的表达式:

-0/ 0

((0)+(((2*3+4)+(-5)+7))+(-(2*3)*6))

而下面的不是合法的表达式:

001+0

1+2(2)

3+-3

–1

+1

()

Input

第一行三个整数N,M,K,表示点的数量,边的数量和走的节点数。

第二行一个字符串,表示每个点的符号。

接下来M行,每行两个数,表示一条边连的两个点的编号。

Output

输出一行一个整数,表示走的方法数。这个数可能比较大,你只需要输出它模1000000007的余数即可。

Sample Input

6 10 3

)(1*+0

1 2

1 3

1 4

2 3

3 4

2 5

3 5

3 6

4 6

5 6

Sample Output

10

Data Constraint

对于40%的数据,N,M,K≤10

对于100%的数据,1≤N≤20,0≤M≤N×(N-1)/ 2,0≤K≤30

Hint

【样例解释】

一共有10条路径,构成的表达式依次是101, (1), 1+1, 1+0, 1*1, 1*0, 0+0, 0+1, 0*0, 0*1

题解

这题数据不大,可以考虑一下dp
(然而代码实现能力太弱,打了一半发现打不下去了,果断清空,打记忆化搜索)
设f[i][j][k][0/1]为从第i个开始到第j个,'('的数量-')'的数量为k,01为有没有前导0
然后就可以分类讨论了(i为枚举的,x为当前)
    ①如果i为数字
        ⑴x也为数字 +=dfs(i,dep+1,c,0);
        ⑵x为运算符或左括号 +=dfs(i,dep+1,c,s[i]=='0')
    ②如果i为括号
        ⑴如果i为左括号而且x为左括号或运算符 +=dfs(i,dep+1,c+1,0)
        ⑵如果i为右括号而且c>0而且x为数字或右括号 +=dfs(i,dep+1,c-1,0)
    ③如果i为运算符
        ⑴如果x为数字 +=dfs(i,dep+1,c,0);
        ⑵如果x为右括号或x为左括号而且i为负号(因为+号不能代表正数) +=dfs(i,dep+1,c,0)

代码

#include<cstdio>
#include<memory.h>
#include<iostream>
#define mo 1000000007
using namespace std;
__attribute__((optimize("-O3")))
int map[50][50],ans,n,m,num,f[25][35][35][2];
char s[30];
bool check(int x) {return s[x]=='+'||s[x]=='-'||s[x]=='*'||s[x]=='/';}
bool pd(int x) {return s[x]>='0'&&s[x]<='9';}
int dfs(int x,int k,int c,int t)
{
    if (k==num) return ((c==0)&&(!check(x)));
    if (f[x][k][c][t]>=0) return f[x][k][c][t];
    int mx=0;
    for (int i=1;i<=n;i++)
        if (map[x][i])
        {
            if (pd(i))
            {
                if (pd(x))
                {
                    if (!t) (mx+=dfs(i,k+1,c,0))%=mo;
                }
                else if (check(x)||s[x]=='(') (mx+=dfs(i,k+1,c,s[i]=='0'))%=mo;
            }
            else
            if (s[i]=='('||s[i]==')')
            {
                if (s[i]=='('&&(s[x]=='('||check(x))) (mx+=dfs(i,k+1,c+1,0))%=mo;
                else if (s[i]==')'&&c&&(pd(x)||s[x]==')')) (mx+=dfs(i,k+1,c-1,0))%=mo;
            }
            else 
            {
                if (pd(x)) (mx+=dfs(i,k+1,c,0))%=mo;
                if (s[x]==')'||(s[x]=='('&&s[i]=='-')) (mx+=dfs(i,k+1,c,0))%=mo;
            }
        }
    f[x][k][c][t]=mx;
    return mx;
}
int main()
{
    scanf("%d%d%d",&n,&m,&num);
    scanf("%s",s+1);
    for (int i=1;i<=m;i++)
    {
        int a,b;
        scanf("%d%d",&a,&b);
        map[a][b]=1; map[b][a]=1;
    }
    memset(f,-1,sizeof(f));
    for (int i=1;i<=n;i++)
    {
        if (s[i]=='(') (ans+=dfs(i,1,1,0))%=mo;
        if (s[i]=='-') (ans+=dfs(i,1,0,0))%=mo;
        if (s[i]>='0'&&s[i]<='9') (ans+=dfs(i,1,0,s[i]=='0'))%=mo;
    }
    printf("%d\n",ans);
}
### 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` 所代表的集后,能够覆盖的节点集合。 - 可以通过预处理每个的邻域信息(包括自身和所有直接连接的),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] 表示选中的集合为 mask 时所能覆盖的集合 int min_nodes; // 最小覆盖数 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
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