4537: [Hnoi2016]最小公倍数|分块

本文介绍了一种基于分块的并查集算法优化方案,用于处理大量边的图论问题,通过将边按特定规则分块并进行排序,实现高效查询与合并操作。

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

暴力的做法就是直接找到所有a,b都小于等于某个询问的边然后并查集合并,维护每个集合的a,b得最大值看是否等于询问的a,b
然后就可以考虑分块,把边按照a排序,每隔n分为一块
块前的按照b值排序按顺序插入,块内的暴力判断,并查集合并,每次都把块内合并的记录下来,处理完某个询问时就撤回并查集的操作
块的大小为n可能会T 改成nlog2n可能会快一点

#include<algorithm>
#include<iostream>
#include<cstdlib>
#include<cstring>
#include<cstdio>
#include<vector>
#include<cmath>
#include<queue>
#include<ctime>
#include<set>
#include<map>
#define N 110000
#define ll long long
using namespace std;
int sc()
{
    int i=0,f=1; char c=getchar();
    while(c>'9'||c<'0'){if(c=='-')f=-1;c=getchar();}
    while(c>='0'&&c<='9')i=i*10+c-'0',c=getchar();
    return i*f;
}
struct W{int x,y,a,b,p;}a[N],q[N];
int bl[N],c[N],fa[N],size[N],ma[N],mb[N];
int st[N],SIZE[N],MA[N],MB[N],ans[N];
int n,m,Q,top,cnt,block;
bool cmp1(W a,W b)
{
    return a.a<b.a||(a.a==b.a&&a.b<b.b);
}
bool cmp2(W a,W b)
{
    return a.b<b.b||(a.b==b.b&&a.a<b.a);
}
int find(int x)
{
    return x==fa[x]?x:find(fa[x]);
}
void merge(int x,int y,int a,int b,int v)
{
    int fx=find(x);
    int fy=find(y);
    if(v==1)
    {
        ++cnt;
        st[cnt]=fx;
        MA[cnt]=ma[fx];
        MB[cnt]=mb[fx];
        SIZE[cnt]=size[fx];
        ++cnt;
        st[cnt]=fy;
        MA[cnt]=ma[fy];
        MB[cnt]=mb[fy];
        SIZE[cnt]=size[fy];
    }
    if(fx==fy)
    {
        ma[fx]=max(ma[fx],a);
        mb[fx]=max(mb[fx],b);
    }
    else
    {
        if(size[fx]<size[fy])swap(fx,fy);
        fa[fy]=fx;
        size[fx]+=size[fy];
        ma[fx]=max(ma[fx],max(a,ma[fy]));
        mb[fx]=max(mb[fx],max(b,mb[fy]));
    }
}
void retract()
{
    for(int i=cnt;i>=1;i--)
    {
        int k=st[i];
        fa[k]=k;
        ma[k]=MA[i];
        mb[k]=MB[i];
        size[k]=SIZE[i];
    }
}

int main()
{
    n=sc();m=sc();block=sqrt(m*log2(m));
    for(int i=1;i<=m;i++)
    {
        a[i].x=sc();
        a[i].y=sc();
        a[i].a=sc();
        a[i].b=sc();
    }
    Q=sc();
    for(int i=1;i<=Q;i++)
    {
        q[i].x=sc();
        q[i].y=sc();
        q[i].a=sc();
        q[i].b=sc();
        q[i].p=i;
    }
    sort(a+1,a+m+1,cmp1);
    sort(q+1,q+Q+1,cmp2);
    for(int i=1;i<=m;i++) 
        bl[i]=(i-1)/block+1;
    for(int i=1;i<=m;i+=block)
    {
        int top=0,now=1;
        for(int j=1;j<=Q;j++)
            if(q[j].a>=a[i].a&&(i+block>m||q[j].a<a[i+block].a))
                c[++top]=j;
        sort(a+1,a+i,cmp2);
        for(int j=1;j<=n;j++)
        {
            fa[j]=j;
            ma[j]=-1;
            mb[j]=-1;
            size[j]=1;
        }
        for(int j=1;j<=top;j++)
        {
            int k=c[j];
            while(now<i&&a[now].b<=q[k].b)
                 merge(a[now].x,a[now].y,a[now].a,a[now].b,0),now++;
            for(int l=i;bl[l]==bl[i];l++)
                if(a[l].a<=q[k].a&&a[l].b<=q[k].b)
                     merge(a[l].x,a[l].y,a[l].a,a[l].b,1);
            int fx=find(q[k].x),fy=find(q[k].y);
            ans[q[k].p]=(fx==fy&&ma[fx]==q[k].a&&mb[fx]==q[k].b);
            retract(); cnt=0;
        }
    }
    for(int i=1;i<=Q;i++)
        puts(ans[i]?"Yes":"No");
    return 0;
}
<think>好的,我现在需要解决用户关于[HNOI2010]弹飞绵羊的问题,特别是分块方法的解题思路。首先,我需要回忆一下这个题目的具体内容以及分块算法的一般应用。 题目大意应该是每个装置有一个弹力系数,当绵羊到达某个位置时会被弹到后面的某个位置,直到弹飞为止。问题应该是要求动态维护弹飞所需的步数,或者支持修改某个位置的弹力系数,同时查询某个点弹飞所需的次数。 分块处理这种问题通常是将数据分成多个块,每个块维护一些预处理的信息,这样在查询和修改时可以降低时间复杂度。比如,对于每个位置i,可以预处理出跳出当前块需要的步数,以及跳出后的落点位置。这样查询时就可以逐块跳跃,减少计算量。 接下来,我需要具体思考分块如何在这里应用。每个块的大小通常取√n,这样总共有√n个块。对于每个位置i,在预处理阶段,需要计算从i出发,需要多少步才能跳出当前所在的块,并且记录跳出后的位置。这样,当查询某个点的弹飞步数时,只需要累加每个块的步数,直到弹飞为止。修改操作时,只需要更新所在块内的信息,因为块内的预处理信息可能被影响,但其他块不受影响。 例如,假设块大小为m,对于每个位置i,如果i + a[i]超出了当前块的范围,则step[i] = 1,next[i] = i + a[i]。否则,step[i] = step[i + a[i]] + 1,next[i] = next[i + a[i]]。这样预处理之后,查询时从当前位置开始,每次跳到next[i],并累加step[i],直到next[i]超过n,即弹飞。 修改操作时,比如修改位置k的弹力系数,那么需要从k所在块的起始位置开始,重新计算该块内所有位置的step和next。这是因为修改可能影响该块内其他位置的预处理结果。比如,如果某个位置j的next[j]原本指向k的位置,修改k的弹力系数会影响j的next和step,所以需要重新计算整个块的信息。 这样,每次查询的时间复杂度是O(√n),因为每个块最多跳一次,而块的数量是√n。修改操作的时间复杂度是O(√n),因为需要重新处理整个块,大小是√n。 需要注意的是,分块的具体实现需要确定块的大小,通常取√n,但有时根据实际情况调整可能会有更好的效果。另外,预处理每个块的step和next时,需要从块的末尾向前处理,因为后面的位置的处理结果可能影响前面的位置。 可能还需要考虑边界条件,比如弹力系数是否可能超过数组长度,或者弹飞的条件。比如,当i + a[i] >= n时,就算弹飞,此时step[i]=1,next[i]=n或某个超出范围的标记。 另外,在实现过程中,如何处理块的分界点,以及如何遍历每个块内的元素,都是需要注意的细节。例如,块的范围是左闭右开还是左闭右闭,需要统一处理,避免数组越界或者漏掉元素。 总结一下,解题步骤应该是: 1. 将整个数组分成若干块,块的大小约为√n。 2. 预处理每个块内的每个位置i的step[i]和next[i],处理顺序应该是从块的最后一个元素向前处理。 3. 查询时,从查询点开始,不断跳到next[i],并累加step[i],直到i超出数组范围,总步数即为答案。 4. 修改时,找到修改位置所在的块,重新预处理该块内的所有元素的step和next。 这样,分块方法能够将时间复杂度降到O(m√n),其中m是操作次数,适用于较大的数据规模,符合算法竞赛的要求。 在代码实现时,需要注意块的下标处理,比如块号从0开始还是1开始,块的大小是否需要调整以适应数组长度不能被整除的情况。此外,预处理函数需要正确计算每个块的起点和终点,并在块内逆序处理元素,以确保后面的元素先被处理,前面的元素可以正确引用后面的step和next值。 举个例子,假设数组长度n=10,块大小m=3,那么块0是0-2,块1是3-5,块2是6-8,块3是9。对于每个块内的元素,比如块0,从位置2开始处理到0。对于位置i=2,如果a[2]=4,则i+a[i]=6,超过块0的范围,所以step[2]=1,next[2]=6。然后处理i=1,假设a[1]=2,则i+a[i]=3,属于块1,所以step[1]=1,next[1]=3。接着处理i=0,假设a[0]=1,则i+a[i]=1,仍在块0内,所以step[0] = step[1] + 1 = 2,next[0] = next[1] =3。这样,当查询位置0时,会先跳到3,再跳到next[3]的位置,依此类推,直到弹飞。 因此,分块方法的关键在于预处理每个块内的跳跃信息,使得查询时可以快速跨块计算,而修改时只需要更新所在块的信息,从而将时间复杂度降低到可接受的范围。</think>### [HNOI2010]弹飞绵羊分块解法思路 #### 问题分析 题目要求维护一个包含$n$个弹簧的序列,每个弹簧有弹力系数$k_i$。当绵羊落在位置$i$时,会被弹到$i + k_i$的位置,直到弹飞(即位置$\geq n$)。需要支持两种操作: 1. **查询**:从位置$x$出发,弹多少次会被弹飞? 2. **修改**:将位置$x$的弹力系数改为$y$。 #### 分块思想 将序列分为$\sqrt{n}$个块,每个块大小约为$\sqrt{n}$。预处理每个位置的**跳跃步数**和**落点**,使得: - **块内跳跃信息**:对于每个位置$i$,记录跳出当前块所需的步数$step[i]$和最终落点$next[i]$。 - **查询优化**:每次查询只需逐块跳跃,时间复杂度$O(\sqrt{n})$。 - **修改优化**:修改仅影响当前块的信息,时间复杂度$O(\sqrt{n})$。 #### 预处理方法 1. **块划分**:将数组划分为$m = \lceil \sqrt{n} \rceil$个块,每个块大小为$m$。 2. **逆序处理**:从每个块的最后一个位置向前遍历: - 若$i + k_i$超出当前块,则$step[i] = 1$,$next[i] = i + k_i$。 - 若未超出,则继承下一个位置的步数和落点: $$step[i] = step[i + k_i] + 1, \quad next[i] = next[i + k_i]$$ #### 查询操作 从位置$x$开始,不断跳转到$next[x]$并累加$step[x]$,直到$next[x] \geq n$。总步数即为答案。 #### 修改操作 1. 找到位置$x$所在的块。 2. **重置块内信息**:从该块的最后一个位置重新逆序计算$step$和$next$。 #### 代码框架(Python示例) ```python import math class BlockSolution: def __init__(self, n, k): self.n = n self.k = k.copy() self.block_size = int(math.sqrt(n)) + 1 self.step = [0] * n self.next = [0] * n self.build_blocks() def build_blocks(self): # 分块预处理 for block_start in range(0, self.n, self.block_size): block_end = min(block_start + self.block_size, self.n) for i in range(block_end - 1, block_start - 1, -1): if i + self.k[i] >= block_end: # 跳出当前块 self.step[i] = 1 self.next[i] = i + self.k[i] else: # 依赖块内后续位置 self.step[i] = self.step[i + self.k[i]] + 1 self.next[i] = self.next[i + self.k[i]] def query(self, x): # 查询弹跳次数 res = 0 while x < self.n: res += self.step[x] x = self.next[x] return res def update(self, x, y): # 修改弹力系数并重建块 self.k[x] = y block_start = (x // self.block_size) * self.block_size block_end = min(block_start + self.block_size, self.n) for i in range(block_end - 1, block_start - 1, -1): if i + self.k[i] >= block_end: self.step[i] = 1 self.next[i] = i + self.k[i] else: self.step[i] = self.step[i + self.k[i]] + 1 self.next[i] = self.next[i + self.k[i]] ``` #### 复杂度分析 - **预处理**:$O(n)$ - **查询**:$O(\sqrt{n})$ - **修改**:$O(\sqrt{n})$ #### 应用场景 分块法适用于需要**动态维护跳跃路径**且**支持快速修改**的问题,例如弹飞绵羊、树状路径跳跃等[^1]。
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