bzoj4182 Shopping 购物 点分治+树形多重背包+dfs序+单调队列优化

本文主要是介绍bzoj4182 Shopping 购物 点分治+树形多重背包+dfs序+单调队列优化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目链接:传送门(权限题)

大毒瘤QAQ
发现买过物品的商店构成一个联通块,所以钦定一个根,让所有买过物品的商店到根的路径上的商店都是买过物品的商店。
然后在上面跑树形背包,子状态设计:
d p [ i ] [ j ] dp[i][j] dp[i][j]表示选到 i i i号节点,已经花了 j j j块钱,所能达到的最大喜爱度。
用dfs实现的树形dp会TLE,考虑用dfs序来优化:
按照dfs序优化的套路,分不选当前节点和选当前节点两种情况。
倒序枚举dfs序,
当不选当前节点时,说明整棵子树都不能选,这个时候就从不属于这棵子树的dfs序最小的节点推过来。
用这个图来说明:
在这里插入图片描述
如果选当前节点,假设当前节点的dfs序为 i i i,就从dfs序为 i + 1 i+1 i+1的节点推到这个节点。
这里dfs序为 i + 1 i+1 i+1的节点和dfs序为i的节点在同一个联通块中qwq,因此正确性珂以保证。
用这张图来说明:
在这里插入图片描述
用dfs序优化完,发现时间复杂度仍然不对,只是优化了常数。
据毒瘤czh所说多重背包珂以单调队列优化。
考虑这样一个经典的多重背包方程( w [ i ] w[i] w[i]表示物品重量, v [ i ] v[i] v[i]表示物品价值):
d p [ j ] = m i n ( d p [ j − w [ i ] ∗ k ] + v [ i ] ∗ k ) dp[j]=min(dp[j-w[i]*k]+v[i]*k) dp[j]=min(dp[jw[i]k]+v[i]k)
a = j / w [ i ] , b = j a=j/w[i], b=j a=j/w[i],b=j% w [ i ] w[i] w[i],则方程珂以写成(边界条件略去):
d p [ j ] = m i n ( d p [ k ∗ w [ i ] + b ] + v [ i ] ∗ ( a − k ) ) dp[j]=min(dp[k*w[i]+b]+v[i]*(a-k)) dp[j]=min(dp[kw[i]+b]+v[i](ak))
分离变量和不变量,珂以得到:
d p [ j ] = m i n ( d p [ a ∗ k + b ] − v [ i ] ∗ k ) + v [ i ] ∗ a dp[j]=min(dp[a*k+b]-v[i]*k)+v[i]*a dp[j]=min(dp[ak+b]v[i]k)+v[i]a
对于 m i n min min里面的部分,维护一个单调队列,这样每次就珂以 O ( 1 ) O(1) O(1)推出。

注:这样每次需要枚举 m o d mod mod w [ i ] w[i] w[i]的余数和商,看起来多了一重循环,但是不难发现余数与商所组成的数与直接枚举是一一对应的,所以不会影响复杂度。而单调队列则免去了决策点的寻找,所以总体优化掉了一个 O ( n ) O(n) O(n)

但是这样时间复杂度仍然是 O ( n 2 m ) O(n^2m) O(n2m),还是过不了qwq。
思考这道题的本质,因为所有选出的点都是一个联通块,所以不可能根不选,选出的其他点分布在两个子树中qwq。
所以每次找树的重心,跑点分治,每次能把规模降到原来的一半,因此最终时间复杂度 O ( n m l o g n ) O(nmlogn) O(nmlogn)

代码

//yu xing chen xiao mei mei
//#pragma GCC optimize (3)
#include<stdio.h>
#include<cstring>
#include<algorithm>
#include<math.h>
#define re register int
#define rl register ll
using namespace std;
typedef long long ll;
int read() {re x=0,f=1;char ch=getchar();while(ch<'0' || ch>'9') {if(ch=='-')    f=-1;ch=getchar();}while(ch>='0' && ch<='9') {x=(x<<1)+(x<<3)+ch-'0';ch=getchar();}return x*f;
}
inline void write(int x) {if(x>9)	write(x/10);putchar(x%10+'0');
}
const int Size=505;
const int Maxn=4005;
namespace I_Love {int n,m,cnt,w[Size],c[Size],d[Size],head[Size];
struct Edge {int u,v,next;
} G[Size<<1];
void AddEdge(int u,int v) {G[++cnt].u=u;G[cnt].v=v;G[cnt].next=head[u];head[u]=cnt;
}
int ans,sum,root,maxp[Size],siz[Size];
bool vis[Size];
void getrt(int x,int fa) {//找树的重心 siz[x]=1;maxp[x]=0;for(int i=head[x]; i; i=G[i].next) {int nxt=G[i].v;if(!vis[nxt] && nxt!=fa) {getrt(nxt,x);siz[x]+=siz[nxt];if(siz[nxt]>maxp[x]) {maxp[x]=siz[nxt];}}}maxp[x]=max(maxp[x],sum-siz[x]);if(maxp[x]<maxp[root])	root=x;
}
int tim,dfn[Size];
void dfs(int x,int fa) {//求出dfs序和每个节点的子树大小 dfn[++tim]=x;siz[x]=1;for(int i=head[x]; i; i=G[i].next) {int nxt=G[i].v;if(!vis[nxt] && nxt!=fa) {dfs(nxt,x);siz[x]+=siz[nxt];}}
}
int dp[Size][Maxn],Queue[Maxn];
#define calc(pos) dp[i+1][j+Queue[pos]*c[x]]+(k-Queue[pos])*w[x]
void solve(int x) {vis[x]=true;tim=0;dfs(x,0);memset(dp[tim+1],0,sizeof(dp[tim+1]));for(re i=tim; i; i--) {int x=dfn[i];//不选的情况 for(re j=0; j<=m; j++) {dp[i][j]=dp[i+siz[x]][j];}//选的情况 for(re j=0; j<c[x]; j++) {	//枚举余数 int hd=1,tl=0;for(re k=0; k*c[x]+j<=m; k++) {		//枚举商 while(hd<=tl && Queue[hd]<k-d[x])	hd++;if(hd<=tl)	dp[i][j+k*c[x]]=max(dp[i][j+k*c[x]],calc(hd));while(hd<=tl && dp[i+1][j+k*c[x]]>=calc(tl))	tl--;Queue[++tl]=k;}}}//把所有经过根的情况取最大值 for(re i=1; i<=m; i++) {if(dp[1][i]>ans) {ans=dp[1][i];}}for(int i=head[x]; i; i=G[i].next) {int nxt=G[i].v;if(!vis[nxt]) {root=0;sum=siz[nxt];getrt(nxt,x);solve(root);}}
}
inline void clear() {tim=ans=root=cnt=0;memset(head,0,sizeof(head));memset(vis,0,sizeof(vis));maxp[0]=1e9;
}
void Kutori() {
//	freopen("1.in","r",stdin);int T=read();while(T--) {clear();n=read();m=read();for(re i=1; i<=n; i++)	w[i]=read();for(re i=1; i<=n; i++)	c[i]=read();for(re i=1; i<=n; i++)	d[i]=read();for(re i=1; i<n; i++) {int u=read();int v=read();AddEdge(u,v);AddEdge(v,u);}dfs(1,0);sum=n;getrt(1,0);solve(root);write(ans);putchar(10);}
}}
int main() {I_Love::Kutori();return 0;
}

这篇关于bzoj4182 Shopping 购物 点分治+树形多重背包+dfs序+单调队列优化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/860299

相关文章

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

使用国内镜像源优化pip install下载的方法步骤

《使用国内镜像源优化pipinstall下载的方法步骤》在Python开发中,pip是一个不可或缺的工具,用于安装和管理Python包,然而,由于默认的PyPI服务器位于国外,国内用户在安装依赖时可... 目录引言1. 为什么需要国内镜像源?2. 常用的国内镜像源3. 临时使用国内镜像源4. 永久配置国内镜

C#原型模式之如何通过克隆对象来优化创建过程

《C#原型模式之如何通过克隆对象来优化创建过程》原型模式是一种创建型设计模式,通过克隆现有对象来创建新对象,避免重复的创建成本和复杂的初始化过程,它适用于对象创建过程复杂、需要大量相似对象或避免重复初... 目录什么是原型模式?原型模式的工作原理C#中如何实现原型模式?1. 定义原型接口2. 实现原型接口3