记忆的轮廓

题目描述

通往贤者之塔的路上,有许多的危机。
我们可以把这个地形看做是一颗树,根节点编号为1,目标节点编号为n,其中1-n的简单路径上,编号依次递增,在[1,n]中,一共有n个节点。我们把编号在[1,n]的叫做正确节点,[n+1,m]的叫做错误节点。一个叶子,如果是正确节点则为正确叶子,否则称为错误叶子。莎缇拉要帮助昴到达贤者之塔,因此现在面临着存档位置设定的问题。
为了让昴成长为英雄,因此一共只有p次存档的机会,其中1和n必须存档。被莎缇拉设置为要存档的节点称为存档位置。当然不能让昴陷入死循环,所以存档只能在正确节点上进行,而且同一个节点不能存多次档。因为通往贤者之塔的路上有影响的瘴气,因此莎缇拉假设昴每次位于树上一个节点时,都会等概率选择一个儿子走下去。每当走到一个错误叶子时,再走一步就会读档。具体的,每次昴到达一个新的存档位置,存档点便会更新为这个位置(假如现在的存档点是i,现在走到了一个存档位置j>i,那么存档点便会更新为j)。读档的意思就是回到当前存档点。初始昴位于1,当昴走到正确节点n时,便结束了路程。莎缇拉想知道,最优情况下,昴结束路程的期望步数是多少?

输入格式

第一行一个正整数T表示数据组数。
接下来每组数据,首先读入三个正整数n,m,p。
接下来m-n行,描述树上所有的非正确边(正确边即连接两个正确节点的边)
用两个正整数j,k表示j与k之间有一条连边,j和k可以均为错误节点,也可以一个为正确节点另一个为错误节点。
数据保证j是k的父亲。
50<=p<=n<=700,m<=1500,T<=5。
数据保证每个正确节点均有至少2个儿子,至多3个儿子。

输出格式

T行每行一个实数表示每组数据的答案。请保留四位小数。

样例

样例输入

1
3 7 2
1 4
2 5
3 6
3 7

样例输出

9.0000

题解

考场上推出了一个死掉的弱智算法
然而精度出了问题,加上本题根本没有小数据,被强行卡成了0分
我们不关注走到错误节点之后的去向
只要dfs处理出 每个正确节点的错误节点儿子走出树的期望步数即可
设dp(i,j)表示从第n个点,中间存了j个档,第j个存档在节点i的期望步数,
使用高斯消元的思想,我们可以得到dp(i,j)由dp(k,j-1)转移的公式 (i<k≤n)
dfs打出来即可
 #include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const double inf=1e10;
const int N=,M=;
int n,m,p,tot;
int first[M],to[M],nxt[M],cd[M];
double w[M],dp[N][N];
void dfs(int x)
{
if(x==n) return ;
if(x<n) dfs(x+);
w[x]=;
for(int i=first[x];i;i=nxt[i])
{
dfs(to[i]);
w[x]+=w[to[i]]/cd[x];
}
}
void add(int a,int b)
{
cd[a]++;
to[++tot]=b;
nxt[tot]=first[a];
first[a]=tot;
}
inline int read()
{
int x=; char ch=getchar();
while(!isdigit(ch)) ch=getchar();
while(isdigit(ch))
{
x=(x<<)+(x<<)+(ch^);
ch=getchar();
}
return x;
}
int th;
pair<double,double> search(int pos,int aim,int k)//系数 常数
{
pair<double,double> now,f;
if(pos>n)
{
now.first=; now.second=w[pos];
return now;
}
if(pos==aim)
{
now.first=; now.second=dp[aim][k]+;
return now;
}
now.first=now.second=;
f=search(pos+,aim,k);
now.first+=f.first/cd[pos];
now.second+=f.second/cd[pos];
for(int i=first[pos];i;i=nxt[i])
{
f=search(to[i],aim,k);
now.first+=f.first/cd[pos];
now.second+=f.second/cd[pos];
}
if(pos!=th) now.second+=;
return now;
}
void dpt(int pos,int k)//在pos处 第k个存档
{
th=pos;
for(int i=pos+;i<=min(n,n-k+);i++)//由在i处 存k-1个档转移
{
pair<double,double> now=search(pos,i,k-);
dp[pos][k]=min(dp[pos][k],now.second/(-now.first));
}
}
int main()
{
int T; T=read();
while(T--)
{
memset(first,,sizeof(first));
memset(cd,,sizeof(cd));
tot=;
n=read(); m=read(); p=read();
for(int i=;i<=n;i++)
for(int j=;j<=n;j++)
dp[i][j]=inf;
for(int i=,f,t;i<=m-n;i++)
{
f=read(); t=read();
add(f,t);
}
dfs();
for(int i=;i<=m;i++) w[i]+=;
for(int i=;i<=n;i++) cd[i]++;
dp[n][]=;
for(int i=n-;i>=;i--)
for(int j=;j<=min(p,n-i+);j++)
dpt(i,j);
printf("%.4lf",dp[][p]);
}
return ;
}
/*
1
3 7 2
1 4
2 5
3 6
3 7
*/

将重复的dfs删去,改成循环的形式,可以得到O(n2p)的算法

然而被卡了精度,只好改了longdouble

正解(或许)

四边形不等式:对于任意a<b<=c<d,

          转移代价w满足w(a,d)+w(b,c)<=w(a,c)+w(b,d)

对于形如    f[i]=max{f[i],f[j]+w(j,i)}    的转移方程

  满足决策单调性,即如果i的最优决策点在j,大于i的任何元素的最优决策点一定大于等于j

预处理出从存档点i到存档点j的cost数组

结合实际意义发现满足四边形不等式

于是可以用决策单调性

使「1,n」区间决策「1,n」区间

在向下递归过程中,扫一遍决策区间,找出 被决策区间中点 的最优决策点

中点左侧的区间,由最优决策点及左侧的区间决策

右侧的区间由右侧的区间决策

 #include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const int N=,M=;
const double inf=1e99;
int n,m,p,tot,first[M],to[M],nxt[M],cd[M];
double w[M],dp[N][N],cost[N][N];
void dfs(int x)
{
if(x==n) return ;
if(x<n) dfs(x+);
w[x]=;
for(int i=first[x];i;i=nxt[i])
{
dfs(to[i]);
w[x]+=w[to[i]]/cd[x];
}
}
void add(int a,int b)
{
cd[a]++;
to[++tot]=b;
nxt[tot]=first[a];
first[a]=tot;
}
inline int read()
{
int x=; char ch=getchar();
while(!isdigit(ch)) ch=getchar();
while(isdigit(ch))
{
x=(x<<)+(x<<)+(ch^);
ch=getchar();
}
return x;
}
void solve(int dep,int l,int r,int lf,int rf)//lf rf决策l到r
{
if(l>r) return ;
int mid=l+r>>,home=lf;
dp[mid][dep]=inf;
for(int i=lf;i<=min(rf,mid-);i++)
{
double tmp=dp[i][dep-]+cost[i][mid];
if(tmp<dp[mid][dep]) dp[mid][dep]=tmp,home=i;
}
solve(dep,l,mid-,lf,home);
solve(dep,mid+,r,home,rf);
}
int main()
{
int T; T=read();
while(T--)
{
memset(first,,sizeof(first));
memset(cd,,sizeof(cd));
tot=;
n=read(); m=read(); p=read();
for(int i=,f,t;i<=m-n;i++)
{
f=read(); t=read();
add(f,t);
}
dfs();
for(int i=;i<=m;i++) w[i]+=;
for(int i=;i<=n;i++) cd[i]++;
for(int i=;i<=n;i++)
{
cost[i][i]=;
for(int j=i+;j<=n;j++)
{
cost[i][j]=cd[j-]*cost[i][j-]+;
for(int u=first[j-];u;u=nxt[u])
cost[i][j]+=w[to[u]];
}
}
for(int i=;i<=n;i++) dp[i][]=inf;
dp[][]=;
for(int i=;i<=p;i++)
solve(i,,n,,n);
printf("%.4lf\n",dp[n][p]);
}
return ;
}

刚开始做的时候inf设的不够大,导致无法更新,也就无法固定决策的区间,出现了问题

记忆的轮廓 期望 四边形不等式dp|题解的更多相关文章

  1. 【整理】石子合并问题(四边形不等式DP优化)

    有很多种算法: 1,任意两堆可以合并:贪心+单调队列. 2,相邻两堆可合并:区间DP    (O(n^3)) ). 3,相邻,四边形不等式优化DP (O(n^2) ). 4,相邻,GarsiaWach ...

  2. [HDU3516] Tree Construction [四边形不等式dp]

    题面: 传送门 思路: 这道题有个结论: 把两棵树$\left[i,k\right]$以及$\left[k+1,j\right]$连接起来的最小花费是$x\left[k+1\right]-x\left ...

  3. [HDU3480] Division [四边形不等式dp]

    题面: 传送门 思路: 因为集合可以无序选择,所以我们先把输入数据排个序 然后发先可以动归一波 设$dp\left[i\right]\left[j\right]$表示前j个数中分了i个集合,$w\le ...

  4. [POJ1160] Post Office [四边形不等式dp]

    题面: 传送门 思路: dp方程实际上很好想 设$dp\left[i\right]\left[j\right]$表示前$j$个镇子设立$i$个邮局的最小花费 然后状态转移: $dp\left[i\ri ...

  5. [BZOJ4899]:记忆的轮廓(概率DP)

    题目传送门 题目描述: 通往贤者之塔的路上,有许多的危机. 我们可以把这个地形看做是一颗树,根节点编号为1,目标节点编号为n,其中1-n的简单路径上,编号依次递增, 在[1,n]中,一共有n个节点.我 ...

  6. [bzoj4899]记忆的轮廓 题解(毒瘤概率dp)

    题目背景 四次死亡轮回后,昴终于到达了贤者之塔,当代贤者夏乌拉一见到昴就上前抱住了昴“师傅!你终于回来了!你有着和师傅一样的魔女的余香,肯定是师傅”.众所周知,大贤者是嫉妒魔女沙提拉的老公,400年前 ...

  7. bzoj 4899 记忆的轮廓 题解(概率dp+决策单调性优化)

    题目背景 四次死亡轮回后,昴终于到达了贤者之塔,当代贤者夏乌拉一见到昴就上前抱住了昴“师傅!你终于回来了!你有着和师傅一样的魔女的余香,肯定是师傅”.众所周知,大贤者是嫉妒魔女沙提拉的老公,400年前 ...

  8. 区间dp+四边形不等式优化

    区间dp+四边形优化 luogu:p2858 题意 给出一列数 \(v_i\),每天只能取两端的数,第 j 天取数价值为\(v_i \times j\),最大价值?? 转移方程 dp[i][j] :n ...

  9. BZOJ1563/洛谷P1912 诗人小G 【四边形不等式优化dp】

    题目链接 洛谷P1912[原题,需输出方案] BZOJ1563[无SPJ,只需输出结果] 题解 四边形不等式 什么是四边形不等式? 一个定义域在整数上的函数\(val(i,j)\),满足对\(\for ...

随机推荐

  1. python实现ldap接入

    需要提前安装python-ldap模块 python接入ldap其实分了几个步骤: 1.使用一个管理员账户登陆到ldap 2.使用一个字段值是唯一的字段,去搜索到要验证用户的DN值(ldap搜索到的单 ...

  2. zipkin微服务调用链分析(python)

    一,概述 zipkin的作用 在微服务架构下,一个http请求从发出到响应,中间可能经过了N多服务的调用,或者N多逻辑操作,如何监控某个服务,或者某个逻辑操作的执行情况,对分析耗时操作,性能瓶颈具有很 ...

  3. POSIX 正则表达式 BRE与ERE的差异

    BRE,标准正则表达式,basic regular expressions ERE,扩展正则表达式,Extended Regular Expressions POSIX 正则表达式 传统上,POSIX ...

  4. 【LOJ#6485】LJJ 学二项式定理(单位根反演)

    [LOJ#6485]LJJ 学二项式定理(单位根反演) 题面 LOJ 题解 显然对于\(a0,a1,a2,a3\)分开算答案. 这里以\(a0\)为例 \[\begin{aligned} Ans&am ...

  5. 反弹Shell原理及检测技术研究

    1. 反弹Shell的概念本质 所谓的反弹shell(reverse shell),就是控制端监听在某TCP/UDP端口,被控端发起请求到该端口,并将其命令行的输入输出转到控制端. 本文会先分别讨论: ...

  6. vue-如何实现带参数跳转页面

    [前后端分离项目之vue框架经验总结] 文/朱季谦 在vue框架的前端页面上,若要实现页面之间的带参数跳转,可参考以下实现过程: 例如,点击截图中的“查看试卷”,可实现带参跳转到相应的试卷页面,该功能 ...

  7. Vue 项目中遇到的跨域问题及解决方法

    原文:https://www.jb51.net/article/137278.htm 问题描述 前端 vue 框架,跨域问题后台加这段代码 header("Access-Control-Al ...

  8. Linux之《荒岛余生》(三)内存篇

    原文:https://juejin.im/post/5c00aee06fb9a049be5d3641 小公司请求量小,但喜欢滥用内存,开一堆线程,大把大把往jvm塞对象,最终问题是内存溢出. 大公司并 ...

  9. requests方法中content和text区别

    requests对象的get和post方法都会返回一个Response对象,这个对象里面存的是服务器返回的所有信息,包括响应头,响应状态码等.其中返回的网页部分会存在.content和.text两个对 ...

  10. java自适应响应式 企业网站源码 SSM 生成静态化 手机 平板 PC

    java 企业网站源码 前后台都有 静态模版引擎, 代码生成器大大提高开发效率 系统介绍: 1.网站后台采用主流的 SSM 框架 jsp JSTL,网站后台采用freemaker静态化模版引擎生成ht ...