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

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配

RabbitMQ 延时队列插件安装与使用示例详解(基于 Delayed Message Plugin)

《RabbitMQ延时队列插件安装与使用示例详解(基于DelayedMessagePlugin)》本文详解RabbitMQ通过安装rabbitmq_delayed_message_exchan... 目录 一、什么是 RabbitMQ 延时队列? 二、安装前准备✅ RabbitMQ 环境要求 三、安装延时队

从原理到实战解析Java Stream 的并行流性能优化

《从原理到实战解析JavaStream的并行流性能优化》本文给大家介绍JavaStream的并行流性能优化:从原理到实战的全攻略,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的... 目录一、并行流的核心原理与适用场景二、性能优化的核心策略1. 合理设置并行度:打破默认阈值2. 避免装箱

Python实战之SEO优化自动化工具开发指南

《Python实战之SEO优化自动化工具开发指南》在数字化营销时代,搜索引擎优化(SEO)已成为网站获取流量的重要手段,本文将带您使用Python开发一套完整的SEO自动化工具,需要的可以了解下... 目录前言项目概述技术栈选择核心模块实现1. 关键词研究模块2. 网站技术seo检测模块3. 内容优化分析模

Java实现复杂查询优化的7个技巧小结

《Java实现复杂查询优化的7个技巧小结》在Java项目中,复杂查询是开发者面临的“硬骨头”,本文将通过7个实战技巧,结合代码示例和性能对比,手把手教你如何让复杂查询变得优雅,大家可以根据需求进行选择... 目录一、复杂查询的痛点:为何你的代码“又臭又长”1.1冗余变量与中间状态1.2重复查询与性能陷阱1.

Python内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

Python多线程应用中的卡死问题优化方案指南

《Python多线程应用中的卡死问题优化方案指南》在利用Python语言开发某查询软件时,遇到了点击搜索按钮后软件卡死的问题,本文将简单分析一下出现的原因以及对应的优化方案,希望对大家有所帮助... 目录问题描述优化方案1. 网络请求优化2. 多线程架构优化3. 全局异常处理4. 配置管理优化优化效果1.

MySQL中优化CPU使用的详细指南

《MySQL中优化CPU使用的详细指南》优化MySQL的CPU使用可以显著提高数据库的性能和响应时间,本文为大家整理了一些优化CPU使用的方法,大家可以根据需要进行选择... 目录一、优化查询和索引1.1 优化查询语句1.2 创建和优化索引1.3 避免全表扫描二、调整mysql配置参数2.1 调整线程数2.

深入解析Java NIO在高并发场景下的性能优化实践指南

《深入解析JavaNIO在高并发场景下的性能优化实践指南》随着互联网业务不断演进,对高并发、低延时网络服务的需求日益增长,本文将深入解析JavaNIO在高并发场景下的性能优化方法,希望对大家有所帮助... 目录简介一、技术背景与应用场景二、核心原理深入分析2.1 Selector多路复用2.2 Buffer

SpringBoot利用树形结构优化查询速度

《SpringBoot利用树形结构优化查询速度》这篇文章主要为大家详细介绍了SpringBoot利用树形结构优化查询速度,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... 目录一个真实的性能灾难传统方案为什么这么慢N+1查询灾难性能测试数据对比核心解决方案:一次查询 + O(n)算法解决