#状压dp,容斥#JZOJ 4555 没有强联通分量的无聊世界

题目

在一个有向图中问最少去掉多少条边使剩下的图是一个DAG


分析

容斥,用总边数减去能形成有向无环图的边数即为答案,设dp[S]dp[S]dp[S]表示选择的集合为SSS所能选的环,那么每当选一个点,就加上它的出边集合与当前所选集合的按位与的二进制位为1的个数,即dp[S∣x]=max(dp[S∣x],dp[S]+cnt[chu[x]&S])dp[S|x]=max(dp[S|x],dp[S]+cnt[chu[x]\&S])dp[Sx]=max(dp[Sx],dp[S]+cnt[chu[x]&S])


代码

#include <cstdio>
#include <cctype>
#define max(a,b) ((a)<(b)?(b):(a)) 
#define rr register
using namespace std;
const int N=4200011;
int cnt[N],n,m,d[31],dp[N];
inline signed iut(){
	rr int ans=0; rr char c=getchar();
	while (!isdigit(c)) c=getchar();
	while (isdigit(c)) ans=(ans<<3)+(ans<<1)+(c^48),c=getchar();
	return ans;
}
signed main(){
	freopen("dizzycows.in","r",stdin);
	freopen("dizzycows.out","w",stdout);
	n=iut(); m=iut();
	for (rr int i=1;i<(1<<n);++i) cnt[i]=cnt[i^(-i&i)]+1;
	for (rr int i=1;i<=m;++i){
		rr int x=iut()-1,y=iut()-1;
	    d[x]|=1<<y;
	}
	dp[0]=0;
	for (rr int i=1;i<(1<<n);++i)
	for (rr int j=0;j<n;++j) if (!(i&(1<<j)))
	    dp[i|(1<<j)]=max(dp[i|(1<<j)],dp[i]+cnt[d[j]&i]);
    return !printf("%d",m-dp[(1<<n)-1]);
}
### 动态规划详解 动态规划(State Compression Dynamic Programming)是一种特殊的动态规划方法,适用于态数较少但态转移复杂的题。其核心思想是使用一个整数来表示态,通常用二进制位表示某些元素是否被选中或是否被访过。由于其缩特性,DP常用于解决组合优化题,如旅行商题(TSP)、汉密尔顿路径题等。 在DP中,态通常表示为 `dp[mask][u]`,其中 `mask` 是一个二进制数,表示当前已经访过的节点集合,`u` 表示当前所在的节点。通过位运算,可以快速判断某个节点是否已经被访,或者更新访态。 ### 汉密尔顿路径题中的DP应用 汉密尔顿路径题要求从起点到终点,不重复地经过所有节点一次。对于 `n` 个节点的图,可以使用DP来求解最短路径。 #### 态定义 定义态 `dp[mask][u]` 为当前已经访的节点集合为 `mask`,且当前位于节点 `u` 时的最短路径长度。其中: - `mask` 是一个 `n` 位的二进制数,第 `i` 位为 `1` 表示节点 `i` 已经被访过。 - `u` 是当前所在的节点。 #### 初始态 初始时,只有起点 `0` 被访,因此 `mask = 1 << 0`,即 `mask = 0b00000000000000000001`。此时,路径长度为 `0`,即 `dp[1 << 0][0] = 0`。 #### 态转移方程 对于每一个态 `dp[mask][u]`,可以尝试从节点 `u` 移动到未被访的节点 `v`。此时,新的 `mask&#39; = mask | (1 << v)`,并且路径长度更新为: ```text dp[mask&#39;][v] = min(dp[mask&#39;][v], dp[mask][u] + weight(u, v)) ``` 其中,`weight(u, v)` 表示从节点 `u` 到节点 `v` 的边权。 #### 最终结果 最终结果是所有访了所有节点的路径中,从起点 `0` 到终点 `n-1` 的最短路径。即: ```text min(dp[(1 << n) - 1][n-1]) ``` ### 示例代码 以下是一个使用DP求解最短汉密尔顿路径的Python实现: ```python def shortest_hamilton_path(graph): n = len(graph) dp = [[float(&#39;inf&#39;)] * n for _ in range(1 << n)] dp[1 << 0][0] = 0 # 初始态:只有起点0被访 for mask in range(1 << n): for u in range(n): if not (mask & (1 << u)): continue # 节点u未被访 for v in range(n): if mask & (1 << v): continue # 节点v已被访 new_mask = mask | (1 << v) dp[new_mask][v] = min(dp[new_mask][v], dp[mask][u] + graph[u][v]) return dp[(1 << n) - 1][n-1] ``` ### 代码解析 1. **初始化**: - 创建一个二维数组 `dp`,其中 `dp[mask][u]` 表示在态 `mask` 下到达节点 `u` 的最短路径。 - 初始态设置为 `dp[1 << 0][0] = 0`。 2. **态转移**: - 遍历所有可能的 `mask`。 - 对于每个 `mask` 和当前节点 `u`,尝试转移到未被访的节点 `v`。 - 更新 `new_mask` 并计算新的路径长度。 3. **返回结果**: - 最终返回 `dp[(1 << n) - 1][n-1]`,即所有节点都被访且终点为 `n-1` 的最短路径。 ### 复杂度分析 - **时间复杂度**:`O(n^2 * 2^n)`,其中 `n` 是节点数。由于需要遍历所有可能的 `mask`(共 `2^n` 种),并且每个态需要遍历所有节点对 `(u, v)`。 - **空间复杂度**:`O(n * 2^n)`,用于存储 `dp` 数组。
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