51nod 1709 复杂度分析
51nod 1709 复杂度分析
考虑定义 $ F(x) $ 为 \(x\) 为根的子树所有点与 $ x $ 的深度差(其实就是 $ x $ 到每个子树内点的距离)的 1 的个数和。
注意,$ F(x) $ 的值不是答案,但是只需要一点树形dp的基础内容就可以变成要求的答案。
对于一个点 $ u $ , 考虑它的一个儿子 $ v $ , 我们此时已经计算出了 $ F( v ) $ 的值那么怎么统计 $ v $中所有点对于 $ u $ 的贡献呢?首先考虑 $ F(v) $ 的变化,由于当前的点 $ u $ 是 $ v $ 的父亲,$ v $ 中所有点到 $ u $ 的距离实际上是原来到 $ v $ 的路径长度 + 1。那么二进制中1的个数加了多少呢?
对于一个 $ v $ 子树中点 $ k $,假设它到 $ v $ 的距离是 $ d $,则:
- 如果 $ d \equiv 0 \pmod 2 $ 那么显然二进制1的个数直接+1
- 如果$ d \equiv 1 \pmod 2 $ 那么二进制中1的个数 不变
- 如果$ d \equiv 3 \pmod {2^2} $ 那么二进制中1的个数 少1
- 如果$ d \equiv 7 \pmod {2^3} $ 那么二进制中1的个数 少1
- ...
那么就有了一个思路,把 $ v $ 子树中与 $ v $ 距离 $ d \equiv {2^k - 1} \pmod {2^k} $ 的点的个数存着,这个可以倍增预处理。
那么对于 $ F $ 我们就会转移了,先+上子树的size,然后减去 $ v $ 子树中 $ 2^k - 1 $ 距离的点的个数。
转移了 $ F $ 后,直接给 $ v $ 中的 $ F $ 乘上 $ size(u) - size(v) $ (这个是显然的树形dp了)
#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
using namespace std;
#define MAXN 100006
typedef long long ll;
int n;
int read( ) {
int ret = 0; char ch = ' ';
while( ch < '0' || ch > '9' ) ch = getchar();
while( ch >= '0' && ch <= '9' ) ret *= 10 , ret += ch - '0' , ch = getchar();
return ret;
}
int head[MAXN] , to[MAXN << 1] , nex[MAXN << 1] , ecn = 0;
void ade( int u , int v ) {
to[++ecn] = v , nex[ecn] = head[u] , head[u] = ecn;
}
int G[MAXN][18] , GG[MAXN][18]; ll t[MAXN][18] ; // G 2^k , GG 2^{k - 1} , t how many nodes at dep % 2^k = 2^k - 1
int siz[MAXN];
void dfs( int u , int fa ) {
siz[u] = 1;
for( int i = head[u] ; i ; i = nex[i] ) {
int v = to[i];
if( v == fa ) continue;
G[v][0] = u , GG[v][0] = v;
for( int k = 1 ; k < 18 ; ++ k ) {
if( G[G[v][k-1]][k-1] )
G[v][k] = G[G[v][k-1]][k-1];
if( G[GG[v][k-1]][k-1] )
GG[v][k] = G[GG[v][k-1]][k-1];
else break;
}
dfs( v , u );
siz[u] += siz[v];
}
for( int k = 1 ; k < 18 ; ++ k ) {
if( G[u][k] )
t[G[u][k]][k] += t[u][k];
if( GG[u][k] )
++ t[GG[u][k]][k];
else break;
}
}
ll res = 0;
ll T[MAXN];
ll solve( int u , int fa ) {
ll R = 0 , ret = 0;
for( int i = head[u] ; i ; i = nex[i] ) {
int v = to[i];
if( v == fa ) continue;
R = 0;
ll lst = solve( v , u );
R += lst + siz[v];
R -= T[v];
res += R * ( siz[u] - siz[v] );
ret += R;
}
return ret;
}
signed main( ) {
n = read();
for( int i = 1 , u , v ; i < n ; ++ i ) {
u = read() , v = read();
ade( u , v ) , ade( v , u );
}
dfs( 1 , 1 );
for( int i = 1 ; i <= n ; ++ i )
for( int k = 1 ; k < 18 ; ++ k )
T[i] += t[i][k];
solve( 1 , 1 );
printf("%lld",res);
}
51nod 1709 复杂度分析的更多相关文章
- 【51nod】1709 复杂度分析
题解 考虑朴素的暴力,相当于枚举u点的每个祖先f,然后统计一下这个点f除了某个儿子里有u的那个子树之外的节点个数,乘上f到u距离的二进制1的个数 那么我们用倍增来实现这个东西,每次枚举二进制的最高位j ...
- 【树论 倍增】51nod1709 复杂度分析
倍增与位运算有很多共性:这题做法有一点像「线段树上二分」和「线段树套二分」的关系. 给出一棵n个点的树(以1号点为根),定义dep[i]为点i到根路径上点的个数.众所周知,树上最近公共祖先问题可以用倍 ...
- 相似度分析,循环读入文件(加入了HanLP,算法第四版的库)
相似度分析的,其中的分词可以采用HanLP即可: http://www.open-open.com/lib/view/open1421978002609.htm /****************** ...
- 文本离散表示(三):TF-IDF结合n-gram进行关键词提取和文本相似度分析
这是文本离散表示的第二篇实战文章,要做的是运用TF-IDF算法结合n-gram,求几篇文档的TF-IDF矩阵,然后提取出各篇文档的关键词,并计算各篇文档之间的余弦距离,分析其相似度. TF-IDF与n ...
- 八大排序算法详解(动图演示 思路分析 实例代码java 复杂度分析 适用场景)
一.分类 1.内部排序和外部排序 内部排序:待排序记录存放在计算机随机存储器中(说简单点,就是内存)进行的排序过程. 外部排序:待排序记录的数量很大,以致于内存不能一次容纳全部记录,所以在排序过程中需 ...
- 八大排序算法——堆排序(动图演示 思路分析 实例代码java 复杂度分析)
一.动图演示 二.思路分析 先来了解下堆的相关概念:堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆:或者每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆.如 ...
- 八大排序算法——希尔(shell)排序(动图演示 思路分析 实例代码java 复杂度分析)
一.动图演示 二.思路分析 希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序:随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止. 简单插 ...
- 八大排序算法——基数排序(动图演示 思路分析 实例代码java 复杂度分析)
一.动图演 二.思路分析 基数排序第i趟将待排数组里的每个数的i位数放到tempj(j=1-10)队列中,然后再从这十个队列中取出数据,重新放到原数组里,直到i大于待排数的最大位数. 1.数组里的数最 ...
- 八大排序算法——归并排序(动图演示 思路分析 实例代码java 复杂度分析)
一.动图演示 二.思路分析 归并排序就是递归得将原始数组递归对半分隔,直到不能再分(只剩下一个元素)后,开始从最小的数组向上归并排序 1. 向上归并排序的时候,需要一个暂存数组用来排序, 2. 将 ...
随机推荐
- 项目优化之v-if
前言: 在vue项目中,由于功能比较多,需要各种条件控制某个功能.某个标签.表格中的某一行是否显示等,需要使用大量的v-if来判断条件. 例如: <div v-if="isShow(a ...
- Beta阶段性总结
1.题士开发总结 2.反思 2.1 Issue管理 从0522敲定各个功能的API后,团队成员及时沟通,积极开发,但由于开发过程没能有效体现在issue上(如未能及时在issue上形成记录,功能开发完 ...
- NKOJ1828 Feed Ratios饲料调配
题目 好题!高斯消元切了! (其实只是单纯地想吐槽这道出现在"高斯消元"专练里的题,暴搜能过,goudoubuxie"Gauss") 下面是暴搜: #pragm ...
- linux shell 基本语法之快速上手shell编程
从程序员的角度来看, Shell本身是一种用C语言编写的程序,从用户的角度来看,Shell是用户与Linux操作系统沟通的桥梁.用户既可以输入命令执行,又可以利用 Shell脚本编程,完成更加复杂的操 ...
- Spring Cloud Alibaba 使用RestTemplate进行服务消费
创建服务提供者工程 创建spring-cloud-alibaba-service-member工程,会员中心服务该服务提供用户会员信息. pom.xml <?xml version=" ...
- Piakchu之RCE漏洞
一.Ping(远程系统命令执行) 首先正常输入一个ip,查看页面的返回值.发现有乱码,但是能看出执行了ping命令. 查看源代码,可以看到只是对操作系统进行了判断,而对输入内容是否为ip地址并没有判断 ...
- 【java+selenium3】自动化基础小结+selenium原理揭秘 (十七)
一.自动化实现原理 1.创建驱动对象 (1) 首先加载浏览器安装目录下的exe文件 (2) 其次是加载可执行驱动的exe文件,监听等待客户端发送的web service请求. 底层原理如下: 1. ...
- vue3 学习笔记 (二)——axios 的使用有变化吗?
本篇文章主要目的就是想告诉我身边,正在学 vue3 或者 准备学 vue3 的同学,vue3中网络请求axios该如何使用,防止接触了一点点 vue3 的同学会有个疑问?生命周期.router .vu ...
- Java设计模式之(二)——工厂模式
1.什么是工厂模式 Define an interface for creating an object,but let subclasses decide which class toinstant ...
- R数据分析:跟随top期刊手把手教你做一个临床预测模型
临床预测模型也是大家比较感兴趣的,今天就带着大家看一篇临床预测模型的文章,并且用一个例子给大家过一遍做法. 这篇文章来自护理领域顶级期刊的文章,文章名在下面 Ballesta-Castillejos ...