【JZOJ4223】旅游

这篇博客介绍了一种使用排序与并查集解决旅游路线问题的方法。首先将树边和询问边按顺序排序,然后离线处理,对于每个询问边,插入所有不超过它的树边。如果两点不连通,则根据子树节点数计算,利用并查集维护连通子树的信息,并在最后进行一次排序以输出结果。在实际操作中,需要注意防止重复计算。

description


analysis

  • 排序+++并查集

  • mmm条树边以及询问的qqq条边升序排序,然后离线做

  • 对于当前的第iii条询问边,依次插入所有比当前边小于等于的树边,若两点不连通则按照两边节点数计算

  • 这个用并查集维护一下连通的子树节点数,最后再排一次序输出

  • 注意计算时判重


code

#pragma GCC optimize("O3")
#pragma G++ optimize("O3")
#include<stdio.h>
#include<string.h>
#include<algorithm>
#define MAXN 20005
#define MAXM 100005
#define ll long long
#define reg register ll
#define fo(i,a,b) for (reg i=a;i<=b;++i)
#define fd(i,a,b) for (reg i=a;i>=b;--i)
#define O3 __attribute__((optimize("-O3")))

using namespace std;

ll fa[MAXN],size[MAXN];
ll n,m,q,test;

struct node
{
	ll x,y,z;
}a[MAXM];

struct inquiry
{
	ll x,y;
}b[MAXN],f[MAXN];

O3 inline ll read()
{
	ll x=0,f=1;char ch=getchar();
	while (ch<'0' || '9'<ch){if (ch=='-')f=-1;ch=getchar();}
	while ('0'<=ch && ch<='9')x=x*10+ch-'0',ch=getchar();
	return x*f;
}
O3 inline bool cmp(node a,node b)
{
	return a.z<b.z;
}
O3 inline bool cmp1(inquiry a,inquiry b)
{
	return a.x<b.x;
}
O3 inline bool cmp2(inquiry a,inquiry b)
{
	return a.y<b.y;
}
O3 inline ll getfa(ll x)
{
	return fa[x]==x?x:fa[x]=getfa(fa[x]);
}
O3 int main()
{
	//freopen("T1.in","r",stdin);
	test=read();
	while (test--)
	{
		memset(a,0,sizeof(a));
		memset(b,0,sizeof(b));
		memset(f,0,sizeof(f));
		memset(fa,0,sizeof(fa));
		n=read(),m=read(),q=read();
		fo(i,1,n)size[i]=1,fa[i]=i;
		fo(i,1,m)a[i].x=read(),a[i].y=read(),a[i].z=read();
		sort(a+1,a+m+1,cmp);
		fo(i,1,q)b[i].x=read(),b[i].y=i;
		sort(b+1,b+q+1,cmp1);
		ll now=1,k=0;
		fo(i,1,q)
		{
			f[i].x=f[i-1].x,f[i].y=b[i].y;
			while (now<=m && a[now].z<=b[i].x)
			{
				ll x=getfa(a[now].x),y=getfa(a[now].y);
				if (x!=y)
				{
					f[i].x=f[i].x-size[x]*(size[x]-1)-size[y]*(size[y]-1)+(size[x]+size[y])*(size[x]+size[y]-1);
					fa[y]=x,size[x]+=size[y];
				}
				++now;
			}
		}
		sort(f+1,f+q+1,cmp2);
		fo(i,1,q)printf("%lld\n",f[i].x);
	}
	return 0;
}
### 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
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