洛谷P4719 【模板】"动态 DP"&动态树分治
【模板】"动态 DP"&动态树分治
第一道动态\(DP\)的题,只会用树剖来做,全局平衡二叉树什么的就以后再学吧
所谓动态\(DP\),就是在原本的\(DP\)求解的问题上加上修改操作,从而使得问题变成动态的问题
这道题的问题就是普通的树形\(DP\)上加上了修改点权的操作
题意:
给定一棵 \(n\) 个点的树。\(i\) 号点的点权为 \(a_i\)。有 \(m\) 次操作,每次操作给定 \(u\),\(w\),表示修改点 \(u\) 的权值为 \(w\)。你需要在每次操作之后求出这棵树的最大权独立集的权值大小。
考虑最暴力的做法,每次修改点权之后暴力求解,复杂度\(O(nm)\)
稍微做一点优化,可以发现每次修改值之后,只有修改的点到根的路径上的点的\(dp\)值会发生改变,所以只更新路径上的点的\(dp\)值就好了,但是如果树退化成链的话,复杂度还是\(O(nm)\)的
令\(f[u][0]\)为不选择\(u\)点的情况下以\(u\)为根的子树的独立集的最大值,\(f[u][1]\)为选择\(u\)点的情况下以\(u\)为根的子树的独立集的最大值
先把转移方程列出来:
\]
如果对原树进行轻重链剖分,对于每个点只存在一个重儿子
那么我们令\(\begin{cases} g[u][0]=\sum_{v\in lson_u}\max(f[v][0],f[v][1])\\ g[u][1] = A[u] + \sum_{v\in lson_u} f[v][0]\end{cases}\)
其中\(v\in lson_u\)表示\(v\)是\(u\)的轻儿子
然后我们单独考虑重儿子\(hv\),可以得到\(\begin{cases}f[u][0] = g[u][0] + max(f[hv][0],f[hv][1]) \\ f[u][1] = g[u][1] + f[hv][0]\end{cases}\)
这样的\(dp\)转移一般可以用矩阵来表示,然后用矩阵连乘来把转移矩阵乘起来快速得到答案,但是这里的转移和一般的转移不同,我们考虑一个新的矩阵运算:
\begin{array}{c}
a_{11}& a_{12}\\
\end{array}
\right ]
\cdot
\left[
\begin{array}{cc}
b_{11}& b_{12}\\
b_{21}& b_{22}\\
\end{array}
\right ]
=
\left[
\begin{array}{c}
\max(a_{11} + b_{11},a_{12} + b_{21}) &
\max(a_{11} + b_{12},a_{12} + b_{22})
\end{array}
\right]
\]
那么我们就可以用矩阵的形式来表示转移了:
\begin{array}{c}
f[i][0] & f[i][1]
\end{array}
\right]
=
\left[
\begin{array}{c}
f[hv][0]& f[hv][1]\\
\end{array}
\right]
\cdot
\left[
\begin{array}{cc}
g[i][0]& g[i][1]\\
g[i][0]& -\infty\\
\end{array}
\right]
\]
由于重儿子不计算在这个转移矩阵内,所以每次修改的时候我们从下往上,每次到重链顶部的时候,跳一下轻链,只要修改这个点的转移矩阵就好了,链数不会超过\(\log n\),而这个转移矩阵的区间乘积可以用线段树来维护,所以总复杂度是\(O(n\log^2 n)\)
//#pragma GCC optimize("O3")
//#pragma comment(linker, "/STACK:1024000000,1024000000")
#include<bits/stdc++.h>
using namespace std;
function<void(void)> ____ = [](){ios_base::sync_with_stdio(false); cin.tie(0); cout.tie(0);};
const int MAXN = 1e5+7;
struct Matrix{
int mat[2][2];
Matrix(){ memset(mat,-0x3f,sizeof(mat)); }
Matrix operator * (const Matrix &rhs) const{
Matrix ret;
for(int i = 0; i < 2; i++)
for(int j = 0; j < 2; j++)
for(int k = 0; k < 2; k++)
ret.mat[i][j] = max(ret.mat[i][j],mat[i][k] + rhs.mat[k][j]);
return ret;
}
};
int n, m, par[MAXN], A[MAXN];
int top[MAXN], dep[MAXN], sz[MAXN], dfn[MAXN], rdfn[MAXN], son[MAXN], tail[MAXN], idx;
vector<int> G[MAXN];
Matrix w[MAXN];
struct SegmentTree{
Matrix M[MAXN<<2];
int l[MAXN<<2], r[MAXN<<2];
#define ls(rt) rt << 1
#define rs(rt) rt << 1 | 1
void pushup(int rt){ M[rt] = M[rs(rt)] * M[ls(rt)]; }
void build(int L, int R, int rt = 1){
l[rt] = L; r[rt] = R;
if(L+1==R){
M[rt] = w[rdfn[L]];
return;
}
int mid = (L + R) >> 1;
build(L,mid,ls(rt)); build(mid,R,rs(rt));
pushup(rt);
}
void update(int pos, Matrix &MT, int rt = 1){
if(l[rt] + 1 == r[rt]){
M[rt] = MT;
return;
}
int mid = (l[rt] + r[rt]) >> 1;
if(pos<mid) update(pos,MT,ls(rt));
else update(pos,MT,rs(rt));
pushup(rt);
}
Matrix query(int L, int R, int rt = 1){
if(L<=l[rt] and r[rt]<=R) return M[rt];
int mid = (l[rt] + r[rt]) >> 1;
if(mid <= L) return query(L,R,rs(rt));
else if(R <= mid) return query(L,R,ls(rt));
else return query(L,R,rs(rt)) * query(L,R,ls(rt));
}
}ST;
void dfs1(int u, int fa){
dep[u] = dep[par[u] = fa] + 1;
sz[u] = 1; son[u] = 0;
for(int v : G[u]){
if(v==fa) continue;
dfs1(v,u);
sz[u] += sz[v];
if(sz[v] > sz[son[u]]) son[u] = v;
}
}
int f[MAXN][2];
void dfs2(int u, int tp){
dfn[u] = ++idx;
rdfn[idx] = u;
top[u] = tp;
tail[tp] = u;
w[u].mat[0][0] = w[u].mat[1][0] = 0;
w[u].mat[0][1] = A[u];
f[u][0] = 0;
f[u][1] = A[u];
if(son[u]){
dfs2(son[u],tp);
f[u][0] += max(f[son[u]][0],f[son[u]][1]);
f[u][1] += f[son[u]][0];
}
for(int v : G[u]){
if(v==par[u] or v==son[u]) continue;
dfs2(v,v);
f[u][0] += max(f[v][0],f[v][1]);
f[u][1] += f[v][0];
w[u].mat[0][0] += max(f[v][0],f[v][1]);
w[u].mat[1][0] += max(f[v][0],f[v][1]);
w[u].mat[0][1] += f[v][0];
}
}
void update(int u, int x){
w[u].mat[0][1] += x - A[u];
A[u] = x;
while(u){
Matrix bef = ST.query(dfn[top[u]],dfn[tail[top[u]]]+1);
ST.update(dfn[u],w[u]);
Matrix aft = ST.query(dfn[top[u]],dfn[tail[top[u]]]+1);
u = par[top[u]];
w[u].mat[0][0] -= max(bef.mat[0][0],bef.mat[0][1]) - max(aft.mat[0][0],aft.mat[0][1]);
w[u].mat[1][0] = w[u].mat[0][0];
w[u].mat[0][1] -= bef.mat[0][0] - aft.mat[0][0];
}
}
void solve(){
cin >> n >> m;
for(int i = 1; i <= n; i++) cin >> A[i];
for(int i = 1; i < n; i++){
int u, v;
cin >> u >> v;
G[u].push_back(v);
G[v].push_back(u);
}
dfs1(1,0); dfs2(1,1);
ST.build(1,n+1);
while(m--){
int u, x;
cin >> u >> x;
update(u,x);
Matrix ret = ST.query(dfn[1],dfn[tail[1]]+1);
printf("%d\n",max(ret.mat[0][0],ret.mat[0][1]));
}
}
int main(){
#ifndef ONLINE_JUDGE
freopen("Local.in","r",stdin);
freopen("ans.out","w",stdout);
#endif
____();
solve();
return 0;
}
洛谷P4719 【模板】"动态 DP"&动态树分治的更多相关文章
- 洛谷 P2147 [SDOI2008]洞穴勘测 (线段树分治)
题目链接 题解 早就想写线段树分治的题了. 对于每条边,它存在于一段时间 我们按时间来搞 我们可把一条边看做一条线段 我们可以模拟线段树操作,不断分治下去 把覆盖\(l-r\)这段时间的线段筛选出来, ...
- 洛谷P2305 [NOI2014]购票 [DP,树状数组]
传送门 思路 显然是树形DP,显然是斜率优化,唯一的问题就是该怎么维护凸包. 套路1:树上斜率优化,在没有这题的路程的限制的情况下,可以维护一个单调栈,每次加入点的时候二分它会加到哪里,然后替换并记录 ...
- 洛谷P3834 [模板]可持久化线段树1(主席树) [主席树]
题目传送门 可持久化线段树1(主席树) 题目背景 这是个非常经典的主席树入门题——静态区间第K小 数据已经过加强,请使用主席树.同时请注意常数优化 题目描述 如题,给定N个正整数构成的序列,将对于指定 ...
- 洛谷.3834.[模板]可持久化线段树(主席树 静态区间第k小)
题目链接 //离散化后范围1~cnt不要错 #include<cstdio> #include<cctype> #include<algorithm> //#def ...
- 洛谷 P4755 - Beautiful Pair(主席树+分治+启发式优化)
题面传送门 wssb,我紫菜 看到这类与最大值统计有关的问题可以很自然地想到分治,考虑对 \([l,r]\) 进行分治,求出对于所有 \(l\le x\le y\le r\) 的点对 \((x,y)\ ...
- 洛谷P3373 [模板]线段树 2(区间增减.乘 区间求和)
To 洛谷.3373 [模板]线段树2 题目描述 如题,已知一个数列,你需要进行下面两种操作: 1.将某区间每一个数加上x 2.将某区间每一个数乘上x 3.求出某区间每一个数的和 输入输出格式 输入格 ...
- 洛谷 P4719 【模板】动态dp【动态dp】
是动态dp的板子 大致思想就是用g[u]来表示不包含重链转移的dp值,然后用线段树维护重链,这样线段树的根就相当于这条重链的top的真实dp值 每次修改的时候,修改x点会影响到x到根的真实dp值,但是 ...
- 洛谷P4719 【模板】动态dp(ddp LCT)
题意 题目链接 Sol 动态dp板子题.有些细节还没搞懂,待我研究明白后再补题解... #include<bits/stdc++.h> #define LL long long using ...
- LCT总结——概念篇+洛谷P3690[模板]Link Cut Tree(动态树)(LCT,Splay)
为了优化体验(其实是强迫症),蒟蒻把总结拆成了两篇,方便不同学习阶段的Dalao们切换. LCT总结--应用篇戳这里 概念.性质简述 首先介绍一下链剖分的概念(感谢laofu的讲课) 链剖分,是指一类 ...
随机推荐
- 人生苦短我用Python,本文助你快速入门
目录 前言 Python基础 注释 变量 数据类型 浮点型 复数类型 字符串 布尔类型 类型转换 输入与输出 运算符 算术运算符 比较运算符 赋值运算符 逻辑运算符 if.while.for 容器 列 ...
- 【SpringMVC】SpringMVC 入门
SpringMVC 入门 文章源码 SpringMVC 基本概念 在 JavaEE 开发中,几乎全都是基于 B/S 架构的开发.在 B/S 架构中,系统标准的三层架构包括:表现层.业务层.持久层. 表 ...
- 实现strStr
Implement strStr(). Return the index of the first occurrence of needle in haystack, or -1 if needle ...
- for update语句锁机制问题
数据库小知识学习系列 问题: MySQL InnoDB中,select where xxx=123 for update:该xxx没有索引,是使用表锁还是全部数据加行锁? 答: InnoDB引擎(默认 ...
- Python利用最优化算法求解投资内部收益率IRR【一】
一. 内部收益率和净现值 内部收益率(Internal Rate of Return, IRR)其实要和净现值(Net Present Value, NPV)结合起来讲.净现值指的是某个投资项目给公司 ...
- Centos6.9安装ACFS
安装完oracle 11GR2的RAC后,使用asmca打开图形化界面后,发现Volumes和ASM Cluster File System两个选项卡不能用 原因是因为ACFS不支持CentOS 解决 ...
- 使用.net中的API网关模式封装微服务
在本文中,我们将了解如何使用API网关模式来封装微服务并抽象出底层实现细节,从而允许使用者拥有进入我们系统的一致入口点. 为了构建和测试我们的应用程序,我们需要: 1.Visual Studio 20 ...
- Ubuntu安装记录
好吧,这成功地让我想起了那些边肯红薯边黑苹果的早晨······ 本人纯属Windows用腻,后期请大佬多多指教 前面因为没U盘而碰壁的内容在此不说,接下来因为太兴奋,关于安装U盘制作没记录什么.最终, ...
- python元组 列表 (取值、替换、插入、添加、删除)
1.元组 列表 字典 元组( 元组是不可变的) hello = (1,2,3,4,5) type(hello)
- 【转】使用ssh-keygen和ssh-copy-id三步实现SSH无密码登录
[原]http://blog.chinaunix.net/uid-26284395-id-2949145.html ssh-keygen 产生公钥与私钥对. ssh-copy-id 将本机的公钥复制 ...