P3294 [SCOI2016]背单词 [贪心+trie]

本文探讨了在特定条件下优化字符串匹配算法的方法,通过构建Trie树并进行改进,实现了更高效的匹配过程。文章详细介绍了如何避免重复计算,以及如何通过排序和DFS遍历来优化答案计算,最终实现了一种新的算法解决方案。

传送门

考虑贪心,第一个条件一定不去满足,我们要考虑如何安排顺序让答案最优

举一个栗子来看

ab

xyab

yab

cb

很明显我们不能先取xyab和yab , 因为ab是他们的后缀

我们考虑先取ab , 其次显然取yab比xyab优 , 最后取cb

这样答案是1+(2-1) + (3-2)+4

但如果我们先取cb , 再取ab,yab,xyab

这样答案就是1+2+(3-2)+(4-3)

于是我们知道,首先 , 如果一个串是另一个的后缀 , 我们一定得先把它放在前面

其次, 我们记siz[b] 为已b结尾的个数 , 我们要先取cb因为siz[cb]<siz[ab]

因为这样ab的值只会多一个siz[cb] , 而cb的值少了一个siz[ab]

于是我们将后缀转换为前缀 , 建好trie过后 ,将每个有值的点向它到根节点遇到的第一个有值的节点建边

在新图中 dfs一遍出来siz ,将儿子按siz排序, 统计答案就可以了


#include<bits/stdc++.h>
#define N 500150
#define LL long long
using namespace std;
int n,ch[N][26],val[N],sign=1,siz[N];
vector<int> son[N]; int id[N],dfn; LL ans;
void Insert(string s){
    int len = s.length(),now=1;
    for(int i=len-1;i>=0;i--){
        int pos = s[i] - 'a';
        if(!ch[now][pos]) ch[now][pos] = ++sign;
        now = ch[now][pos];
    } val[now]++; 
}
void build(int fa,int u){
    for(int i=0;i<26;i++){
        int pos = ch[u][i]; if(!pos) continue;
        if(!val[pos]) build(fa,pos);
        else son[fa].push_back(pos),build(pos,pos);
    }
}
bool cmp(int x,int y){return siz[x]<siz[y];}
void dfs(int u){
    siz[u]=1; int x = son[u].size(); 
    for(int i=0;i<x;i++){
        int t=son[u][i]; dfs(t); siz[u] += siz[t];
    } sort(son[u].begin(),son[u].end(),cmp);
}
void Solve(int u,int f){
    id[u] = ++dfn; int x = son[u].size();
    for(int i=0;i<x;i++){
        int t=son[u][i]; Solve(t,u); 
    } ans += (LL)id[u] - id[f];
}
int main(){
    scanf("%d",&n); for(int i=1;i<=n;i++){
        string s; cin>>s; Insert(s); 
    } build(1,1); dfs(1); Solve(1,1);
    printf("%lld",ans); return 0;
}

 

### 关于SCOI2008 P2476 着色方案的题解 #### 动态规划与状态压缩的应用 此问题的核心在于动态规划 (Dynamic Programming, DP) 和状态压缩技术的结合应用。题目要求计算给定长度的颜色序列的不同染色方案数,其中某些位置可能已经预设颜色[^3]。 为了高效解决该问题,可以定义一个三维的状态转移方程 `dp[i][j][k]` 表示前 i 个格子被涂成 j 种不同颜色,并且第 i 个格子的颜色为 k 的情况下有多少种合法的染色方式。然而由于直接实现这种三维数组可能会超出内存限制,因此可以通过滚动数组优化或者进一步简化状态表示来降低空间复杂度[^3]。 另外一种更优美的方法是利用位运算来进行状态压缩。具体来说,我们可以用一个整数 S 来代表当前已经被使用的颜色集合(即每一位对应一种颜色),从而将原本复杂的多维 dp 数组转化为二维甚至一维的形式以便更好地管理资源并提高效率[^3]。 以下是基于上述思路的一个 Python 实现例子: ```python MOD = int(1e9 + 7) def solve(n, m, fixed_colors): # 初始化DP表 prev_dp = [0]*(1<<m) curr_dp = [0]*(1<<m) for mask in range(1 << m): count = bin(mask).count('1') if not any(fixed_colors[i]-1 & mask != 0 for i in range(len(fixed_colors))): prev_dp[mask] = pow(m-count,m-1)%MOD res= sum(prev_dp) % MOD return res # 输入处理部分省略... print(solve(n, m, fixed_colors)) ``` 以上代码片段展示了如何通过状态压缩技巧减少存储需求的同时完成有效的状态转移操作[^3]。 #### 注意事项 需要注意的是,在实际编码过程中还需要考虑边界条件以及模运算带来的影响等问题;此外对于大规模数据输入情况下的性能调优也是不可忽视的一环[^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

打赏作者

FSYo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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