洛谷P4719 【模板】动态dp 矩阵乘法+树链剖分+线段树

本文介绍了一种结合树形动态规划与矩阵乘法的算法思路,用于解决树结构中带修改操作的最大权独立集问题。通过树链剖分和线段树优化,实现了高效的查询与更新。

题目描述

给定一棵 nn 个点的树,点带点权。
m 次操作,每次操作给定 x,yx,y ,表示修改点 xx 的权值为 y
你需要在每次操作之后求出这棵树的最大权独立集的权值大小。

题目分析

假如没有修改操作,这题怎么做呢?设axaxxx的点权,f(x,0/1)表示xx这个点不选/选的情况下,其子树中的最大权独立集权值大小。那么就有:
f(x,0)=max(f(son,0),f(son,1))
f(x,1)=ax+f(son,0)f(x,1)=ax+∑f(son,0)

现在有了修改操作,就很头疼。一想到动态修改,就想到以线段树为代表的数据结构,一想到在树上,就想到树链剖分。既然是动态DP,那么有一个比较“动感”的东西可以处理DP——
“矩阵乘法”!
为什么说它比较动感呢,是因为将一个DP写成矩乘的形式后,矩乘又是有结合率的,所以可以先算前一半再算后一半再合起来什么的。
考虑将矩乘中的乘法改成加法,加法改成取max操作。

matrix operator * (matrix a,matrix b) {
    matrix c;
    c.t[0][0]=max(a.t[0][0]+b.t[0][0],a.t[0][1]+b.t[1][0]);
    c.t[1][0]=max(a.t[1][0]+b.t[0][0],a.t[1][1]+b.t[1][0]);
    c.t[0][1]=max(a.t[0][0]+b.t[0][1],a.t[0][1]+b.t[1][1]);
    c.t[1][1]=max(a.t[1][0]+b.t[0][1],a.t[1][1]+b.t[1][1]);
    return c;
}

g(x,0/1)g(x,0/1)表示对于一个点xx,在不选/选它的情况下,其轻儿子对其造成的贡献。又因为重儿子的dfs序是x的dfs序+1,设xx的dfs序为1,则有:

[f(i,0)f(i,1)]=[g(i,0)g(i,0)g(i,1)0][f(i+1,0)f(i+1,1)]

然后每一次修改操作,我们修改若干条重链,每条重链修改一个点的转移矩阵即可。
一条重链顶端的答案,直接查询这条链对应的dfs序区间的转移矩阵全部相乘的结果。这样也可以获得1的答案。

代码

#include<bits/stdc++.h>
using namespace std;
#define RI register int
int read() {
    int q=0,w=1;char ch=' ';
    while(ch!='-'&&(ch<'0'||ch>'9')) ch=getchar();
    if(ch=='-') w=-1,ch=getchar();
    while(ch>='0'&&ch<='9') q=q*10+ch-'0',ch=getchar();
    return q*w;
}
typedef long long LL;
const int N=100005;
int n,m,tot,tim;
int h[N],ne[N<<1],to[N<<1],dep[N],fa[N],sz[N];
int pos[N],repos[N],ed[N],top[N],son[N];
LL a[N],f[N][2];
void add(int x,int y) {to[++tot]=y,ne[tot]=h[x],h[x]=tot;}
void dfs1(int x,int las) {
    fa[x]=las,dep[x]=dep[las]+1,sz[x]=1;
    for(RI i=h[x];i;i=ne[i])
        if(to[i]!=las) dfs1(to[i],x),sz[x]+=sz[to[i]];
}
void dfs2(int x,int las) {
    int bj=0,mx=0;
    pos[x]=++tim,repos[tim]=x;
    for(RI i=h[x];i;i=ne[i])
        if(to[i]!=las&&sz[to[i]]>mx) mx=sz[to[i]],bj=to[i];
    if(!bj) {ed[top[x]]=pos[x];return;}
    son[x]=bj,top[bj]=top[x],dfs2(bj,x);
    for(RI i=h[x];i;i=ne[i])
        if(to[i]!=las&&to[i]!=bj) top[to[i]]=to[i],dfs2(to[i],x);
}
void dp(int x,int las) {
    f[x][1]=a[x];
    for(RI i=h[x];i;i=ne[i]) {
        if(to[i]==las) continue;
        dp(to[i],x);
        f[x][0]+=max(f[to[i]][0],f[to[i]][1]);
        f[x][1]+=f[to[i]][0];
    }
}

struct matrix{LL t[2][2];}tr[N<<2],QvQ[N];
matrix operator * (matrix a,matrix b) {
    matrix c;
    c.t[0][0]=max(a.t[0][0]+b.t[0][0],a.t[0][1]+b.t[1][0]);
    c.t[1][0]=max(a.t[1][0]+b.t[0][0],a.t[1][1]+b.t[1][0]);
    c.t[0][1]=max(a.t[0][0]+b.t[0][1],a.t[0][1]+b.t[1][1]);
    c.t[1][1]=max(a.t[1][0]+b.t[0][1],a.t[1][1]+b.t[1][1]);
    return c;
}
void build(int s,int t,int i) {
    if(s==t) {
        int x=repos[s];LL g0=0,g1=0;
        for(RI j=h[x];j;j=ne[j])
            if(to[j]!=fa[x]&&to[j]!=son[x])
                g0+=max(f[to[j]][0],f[to[j]][1]),g1+=f[to[j]][0];
        tr[i].t[0][0]=tr[i].t[0][1]=g0,tr[i].t[1][0]=g1+a[x];
        QvQ[s]=tr[i];
        return;
    }
    int mid=(s+t)>>1;
    build(s,mid,i<<1),build(mid+1,t,(i<<1)|1);
    tr[i]=tr[i<<1]*tr[(i<<1)|1];
}
void chan(int x,int s,int t,int i) {
    if(s==t) {tr[i]=QvQ[s];return;}
    int mid=(s+t)>>1;
    if(x<=mid) chan(x,s,mid,i<<1);
    else chan(x,mid+1,t,(i<<1)|1);
    tr[i]=tr[i<<1]*tr[(i<<1)|1];
}
matrix query(int l,int r,int s,int t,int i) {
    if(l<=s&&t<=r) return tr[i];
    int mid=(s+t)>>1;
    if(r<=mid) return query(l,r,s,mid,i<<1);
    if(mid+1<=l) return query(l,r,mid+1,t,(i<<1)|1);
    return query(l,r,s,mid,i<<1)*query(l,r,mid+1,t,(i<<1)|1);
}
matrix getans(int x) {return query(pos[x],ed[x],1,n,1);}//获得一条链顶端的dp值
void work(int x,LL num) {//修改的主体
    QvQ[pos[x]].t[1][0]+=num-a[x],a[x]=num;
    matrix k1,k2;
    while(x) {//往上跳
        k1=getans(top[x]),chan(pos[x],1,n,1),k2=getans(top[x]);
        x=fa[top[x]];if(!x) break;
        //修改一个点的转移矩阵
        QvQ[pos[x]].t[0][0]+=max(k2.t[0][0],k2.t[1][0])-max(k1.t[0][0],k1.t[1][0]);
        QvQ[pos[x]].t[0][1]=QvQ[pos[x]].t[0][0];
        QvQ[pos[x]].t[1][0]+=k2.t[0][0]-k1.t[0][0];
    }
}
int main()
{
    int x,y;
    n=read(),m=read();
    for(RI i=1;i<=n;++i) a[i]=read();
    for(RI i=1;i<n;++i) x=read(),y=read(),add(x,y),add(y,x);
    dfs1(1,0),top[1]=1,dfs2(1,0),dp(1,0);
    build(1,n,1);
    while(m--) {
        x=read(),y=read();
        work(x,y);matrix kl=getans(1);
        printf("%lld\n",max(kl.t[0][0],kl.t[1][0]));
    }
    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
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