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
- openstack octavia的实现与分析(一)openstack负载均衡的现状与发展以及lvs,Nginx,Haproxy三种负载均衡机制的基本架构和对比
[负载均衡] 大量用户发起请求的情况下,服务器负载过高,导致部分请求无法被响应或者及时响应. 负载均衡根据一定的算法将请求分发到不同的后端,保证所有的请求都可以被正常的下发并返回. [主流实现-LVS ...
- iTerm2 实现 ssh 自动登录,并使用 Zmodem 实现快速传输文件
原文链接:https://fuckcloudnative.io/posts/iterm2-auto-login/ 对于 YAML 工程师来说,我们经常需要 ssh 登录不同的服务器,每次登录时都要经历 ...
- 【Nginx】配置nginx图片服务器
想通过nginx来访问服务器上的图片 可以搭建一个nginx图片服务器. 做法如下: 先安装nginx,这里直接用yum来进行安装的 安装方法如下: https://blog.csdn.net/iml ...
- 【Mysql】[Err] 1153 - Got a packet bigger than 'max_allowed_packet' bytes
今天用Navicat导入的时候报错 [Err] 1153 - Got a packet bigger than 'max_allowed_packet' bytes 原因是数据库默认是16M的数据,这 ...
- CTFHub - Web(五)
eval执行: 1.进入网页,显示源码, <?php if (isset($_REQUEST['cmd'])) { eval($_REQUEST["cmd"]); } els ...
- 2V升3V芯片,输入2V输出3V可达1A
PW5328B是一个恒定频率, 6引脚 SOT23电流模式升压转换器,用于小型低功耗应用. PW5328B的开关频率为 1.2MHz,允许使用微小的.低成本的电容器和电感器.内部软启动导致小涌流和延长 ...
- React 入门-redux 和 react-redux
React 将页面元素拆分成组件,通过组装展示数据.组件又有无状态和有状态之分,所谓状态,可以简单的认为是组件要展示的数据.React 有个特性或者说是限制单向数据流,组件的状态数据只能在组件内部修改 ...
- win32 修改Edit控件文本颜色与背景色
#define WM_CTLCOLORMSGBOX 0x0132 #define WM_CTLCOLOREDIT 0x0133 //编辑控件Edit #define WM_CTLCOLORLISTBO ...
- MATLAB图像处理_Bayer图像处理 & RGB Bayer Color分析
Bayer图像处理 Bayer是相机内部的原始图片, 一般后缀名为.raw. 很多软件都可以查看, 比如PS. 我们相机拍照下来存储在存储卡上的.jpeg或其它格式的图片, 都是从.raw格式转化 ...
- 十二:SpringBoot-基于Cache注解模式,管理Redis缓存
SpringBoot-基于Cache注解模式,管理Redis缓存 1.Cache缓存简介 2.核心API说明 3.SpringBoot整合Cache 3.1 核心依赖 3.2 Cache缓存配置 3. ...