ARC127 Sum of Min of Xor

该博客介绍了如何利用分治策略解决一道算法问题:求解数组中两两元素异或后的最小值之和。通过分析Ai⊕Aj和Bi⊕Bj的最高位特性,将元素分为两类并进行分治计算,最终得出时间复杂度为O(nlog2n)的解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目大意

给定数组{An}\{A_n\}{An}{Bn}\{B_n\}{Bn},求∑1≤i<j≤nmin⁡(Ai⊕Aj,Bi⊕Bj)\sum_{1\le i<j\le n}\min(A_i\oplus A_j,B_i\oplus B_j)1i<jnmin(AiAj,BiBj)n≤250000n\le 250000n250000

题解

这题还是很妙的,要求的东西看上去没什么关联,所以想办法找点关联,发现Ai⊕Aj⊕Bi⊕BjA_i\oplus A_j\oplus B_i\oplus B_jAiAjBiBj的最高位111的位置是Ai⊕AjA_i\oplus A_jAiAjBi⊕BjB_i\oplus B_jBiBj最高位不同的位置
Ci=Ai⊕BiC_i=A_i\oplus B_iCi=AiBi,考虑根据上面那条性质分治,每次把在当前位数depdepdep000CiC_iCi放到一个集合中,为111CiC_iCi放到另一个集合中,那么这两个集合之间Ai⊕AjA_i\oplus A_jAiAjBi⊕BjB_i\oplus B_jBiBj不同的最高位就是depdepdep,判断它们的大小关系只需要判断它们在depdepdep位上的大小关系,讨论一下算出贡献,再分治下去,分治的每一层算贡献的复杂度为O(nlog⁡n)O(n\log n)O(nlogn),分治深度为O(log⁡n)O(\log n)O(logn),所以总时间复杂度为O(nlog⁡2n)O(n\log^2n)O(nlog2n)

code

#include<cstdio>
#include<algorithm>
#define ll long long
using namespace std;
void read(int &res)
{
	res=0;char ch=getchar();
	while(ch<'0'||ch>'9') ch=getchar();
	while('0'<=ch&&ch<='9') res=(res<<1)+(res<<3)+(ch^48),ch=getchar();
}
const int N=3e5+100,Bl=19;
int n,a[N+10],b[N+10],p[N+10],p0[N+10],p1[N+10],c[2][Bl+10],A[2][2][Bl+10],B[2][2][Bl+10];
ll solve(int l,int r,int dep=Bl)
{
	if(l>r) return 0;
	if(dep<0)
	{
		ll res=0;
		for(int i=0;i<=Bl;i++) c[0][i]=c[1][i]=0;
		for(int i=l;i<=r;i++)
		{
			for(int j=0,k;j<=Bl;j++) k=((a[p[i]]&(1<<j))!=0),res+=1ll*c[k^1][j]*(1<<j);
			for(int j=0,k;j<=Bl;j++) k=((a[p[i]]&(1<<j))!=0),c[k][j]++;
		}
		return res;
	}
	ll res=0;p0[0]=p1[0]=0;
	for(int i=l;i<=r;i++)
	{
		if((a[p[i]]^b[p[i]])&(1<<dep)) p0[++p0[0]]=p[i];
		else p1[++p1[0]]=p[i];
	}
	for(int j=0;j<=Bl;j++) for(int i=0;i<=1;i++) for(int k=0;k<=1;k++) A[i][k][j]=B[i][k][j]=0;
	for(int i=1,k1;i<=p0[0];i++)
	{
		k1=((a[p0[i]]&(1<<dep))!=0);
		for(int j=0,k;j<=Bl;j++)
		{
			k=((a[p0[i]]&(1<<j))!=0),A[k1][k][j]++,
			k=((b[p0[i]]&(1<<j))!=0),B[k1][k][j]++;
		}
	}
	for(int i=1,k1;i<=p1[0];i++)
	{
		k1=((a[p1[i]]&(1<<dep))!=0);
		for(int j=0,k;j<=Bl;j++)
		{
			k=((a[p1[i]]&(1<<j))!=0);
			res+=1ll*A[k1][k^1][j]*(1<<j);
			k=((b[p1[i]]&(1<<j))!=0);
			res+=1ll*B[k1^1][k^1][j]*(1<<j);
		}
	}
	for(int i=1;i<=p0[0];i++) p[l+i-1]=p0[i];
	for(int i=1;i<=p1[0];i++) p[l+p0[0]-1+i]=p1[i];
	int mid=l+p0[0]-1;
	res+=solve(l,mid,dep-1)+solve(mid+1,r,dep-1);
	return res;
}
int main()
{
	read(n);
	for(int i=1;i<=n;i++) p[i]=i;
	for(int i=1;i<=n;i++) read(a[i]);
	for(int i=1;i<=n;i++) read(b[i]);
	printf("%lld",solve(1,n,Bl));
	return 0;
}
<think>好的,我现在需要解决用户提出的关于两个异或和(xorsum1和xorsum2)相等的条件判断问题。用户想知道为什么xorsum1 ^ xorsum2 == 0可以用来判断它们是否相等。我需要仔细分析异或运算的性质,并结合用户提供的引用内容来给出清晰的解释。 首先,根据用户提供的引用,特别是引用[1]和引用[3],异或运算有几个重要性质。比如,相同数异或结果为0,不同则为1。另外,结合律和交换律在异或运算中是成立的。用户还提到在引用[1]中的Java代码,通过异或所有元素来找出出现奇数次的数,这说明异或运算可以抵消偶数次出现的元素,剩下奇数次的那个数。 接下来,我需要明确问题:为什么xorsum1 ^ xorsum2等于0时,两者相等?根据异或的定义,当两个位相同时结果为0,不同则为1。因此,如果两个数在所有位上都相同,异或结果就是0。换句话说,如果xorsum1和xorsum2的每一位都相等,那么它们的异或结果自然为0,这也就是它们相等的条件。 然后,我需要考虑用户可能的应用场景。比如,在数组中找到两个子数组的异或和相等的情况,或者比较两个数据流的异或校验值是否一致。这时候使用xorsum1 ^ xorsum2 ==0作为判断条件既高效又简洁,因为异或运算在计算机中执行速度快,且不需要复杂的比较操作。 另外,用户提供的引用[3]中提到异或运算可以模拟加法器的行为,这可能帮助理解异或的位操作特性。但回到当前问题,重点在于异或运算作为相等判断的条件。需要强调的是,异或结果为0意味着每一位都相同,因此整个数相等。 可能需要注意的例外情况是,如果xorsum1和xorsum2是不同数据类型或者存在溢出,但通常在这些情况下,编程语言会处理位级别的比较,因此异或结果依然有效。 最后,结合用户之前的代码示例,比如引用[1]中的Java代码,可以举例说明如何应用这个条件判断。例如,比较两个数组的异或和是否相等,可以直接对两个异或和进行异或操作,结果为0则相等,否则不等。 总结来说,用户需要理解异或运算的基本性质,特别是相同位为0的特性,从而明白为何异或结果为0时两个数相等。同时,提供实际应用的例子能帮助用户更好地掌握这一判断条件的原理和使用方法。</think>### 异或运算的相等判断原理 #### 核心条件判断逻辑 **若两个数 $A$ 和 $B$ 满足 $A = B$,则 $A \oplus B = 0$;反之若 $A \oplus B = 0$,则 $A = B$。** 这是由异或运算的**位级特性**决定的: - **按位异或定义**:对于每一位,当两数对应位相同时结果为 $0$,不同则为 $1$ - **全等性传递**:若所有位均相同,则异或结果为全 $0$,即 $0$ 的十进制表示 #### 数学证明 假设 $A = B$,则: $$ A \oplus B = A \oplus A = 0 $$ 反之,若 $A \oplus B = 0$,则: $$ A = A \oplus 0 = A \oplus (A \oplus B) = (A \oplus A) \oplus B = 0 \oplus B = B $$ #### 实际应用示例 在编程中常用于快速判断两组数据的异或和是否相等: ```python xorsum1 = 0b1010 # 十进制 10 xorsum2 = 0b1010 # 十进制 10 if xorsum1 ^ xorsum2 == 0: print("两组异或和相等") # 会执行此分支 ``` #### 特性总结表 | 特性 | 说明 | 应用场景 | |---------------|-------------------------------|---------------------------| | 自反性 | $a \oplus a = 0$ | 数据清零[^1] | | 可逆性 | $a \oplus b \oplus b = a$ | 简单加密/解密 | | 交换律/结合律 | $(a \oplus b) \oplus c = a \oplus (b \oplus c)$ | 并行计算优化[^3] |
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