luoguP5024 保卫王国
问题分析
其实是比较明显的动态DP。
懒于再推一遍式子,直接用 最小权点覆盖=全集-最大权独立集,然后就和这道题一样了。题解可以看这里。
然后必须选或者不选的话,就直接把相应的点权变成\(-\infty\)或\(\infty\)就好了。如果是必须选,最后答案里不要忘了加回原来的值。
参考程序
#include <bits/stdc++.h>
using namespace std;
const long long Maxn = 100010;
const long long INF = 10000000010;
struct matrix {
long long A[ 2 ][ 2 ];
matrix() {
A[ 0 ][ 0 ] = A[ 0 ][ 1 ] = A[ 1 ][ 0 ] = A[ 1 ][ 1 ] = -INF;
return;
}
matrix( long long *T ) {
A[ 0 ][ 0 ] = A[ 0 ][ 1 ] = T[ 0 ];
A[ 1 ][ 0 ] = T[ 1 ];
A[ 1 ][ 1 ] = -INF;
return;
}
matrix( long long a, long long b, long long c, long long d ) {
A[ 0 ][ 0 ] = a; A[ 0 ][ 1 ] = b; A[ 1 ][ 0 ] = c; A[ 1 ][ 1 ] = d;
return;
}
inline matrix operator * ( const matrix Other ) const {
return matrix( max( A[ 0 ][ 0 ] + Other.A[ 0 ][ 0 ], A[ 0 ][ 1 ] + Other.A[ 1 ][ 0 ] ),
max( A[ 0 ][ 0 ] + Other.A[ 0 ][ 1 ], A[ 0 ][ 1 ] + Other.A[ 1 ][ 1 ] ),
max( A[ 1 ][ 0 ] + Other.A[ 0 ][ 0 ], A[ 1 ][ 1 ] + Other.A[ 1 ][ 0 ] ),
max( A[ 1 ][ 0 ] + Other.A[ 0 ][ 1 ], A[ 1 ][ 1 ] + Other.A[ 1 ][ 1 ] ) );
}
};
struct edge {
long long To, Next;
edge() : To( 0 ), Next( 0 ) {}
edge( long long _To, long long _Next ) : To( _To ), Next( _Next ) {}
};
edge Edge[ Maxn << 1 ];
long long Start[ Maxn ], UsedEdge;
inline void AddEdge( long long x, long long y ) {
Edge[ ++UsedEdge ] = ( edge ) { y, Start[ x ] };
Start[ x ] = UsedEdge;
return;
}
long long n, m, Cost[ Maxn ], NowCost[ Maxn ], Sum;
char Ch[ 10 ];
long long Deep[ Maxn ], Father[ Maxn ], Size[ Maxn ], Son[ Maxn ], Top[ Maxn ], Index[ Maxn ], Ref[ Maxn ], Dfn[ Maxn ], Used;
long long Dp[ Maxn ][ 2 ], LDp[ Maxn ][ 2 ];
matrix Tree[ Maxn << 2 ];
void Build_Cut();
void Build();
void Change( long long u, long long Key );
matrix Query( long long Ind, long long Left, long long Right, long long L, long long R );
int main() {
scanf( "%lld%lld", &n, &m ); scanf( "%s", Ch );
for( long long i = 1; i <= n; ++i ) scanf( "%lld", &Cost[ i ] );
for( long long i = 1; i < n; ++i ) {
long long x, y; scanf( "%lld%lld", &x, &y );
AddEdge( x, y ); AddEdge( y, x );
}
Build_Cut();
Build();
for( long long i = 1; i <= m; ++i ) {
long long a, x, b, y;
scanf( "%lld%lld%lld%lld", &a, &x, &b, &y);
if( x == 0 ) { Sum -= Cost[ a ]; Sum += INF; Change( a, INF ); }
else { Sum -= Cost[ a ]; Sum += -INF; Change( a, -INF ); }
if( y == 0 ) { Sum -= Cost[ b ]; Sum += INF; Change( b, INF ); }
else { Sum -= Cost[ b ]; Sum += -INF; Change( b, -INF ); }
matrix Temp = Query( 1, 1, n, Index[ 1 ], Dfn[ 1 ] );
long long Ans = max( Temp.A[ 0 ][ 0 ], Temp.A[ 1 ][ 0 ] );
Ans = Sum - Ans;
if( x == 1 ) Ans = Ans + INF + Cost[ a ];
if( y == 1 ) Ans = Ans + INF + Cost[ b ];
if( Ans >= INF ) printf( "-1\n" ); else printf( "%lld\n", Ans );
if( x == 0 ) { Sum -= INF; Sum += Cost[ a ]; Change( a, Cost[ a ] ); }
else { Sum -= -INF; Sum += Cost[ a ]; Change( a, Cost[ a ] ); }
if( y == 0 ) { Sum -= INF; Sum += Cost[ b ]; Change( b, Cost[ b ] ); }
else { Sum -= -INF; Sum += Cost[ b ]; Change( b, Cost[ b ] ); }
}
return 0;
}
void Dfs1( long long u, long long Fa ) {
Deep[ u ] = Deep[ Fa ] + 1;
Father[ u ] = Fa;
Size[ u ] = 1;
for( long long t = Start[ u ]; t; t = Edge[ t ].Next ) {
long long v = Edge[ t ].To;
if( v == Fa ) continue;
Dfs1( v, u );
if( Size[ v ] > Size[ Son[ u ] ] ) Son[ u ] = v;
Size[ u ] += Size[ v ];
}
return;
}
void Dfs2( long long u, long long Fa ) {
if( Son[ u ] ) {
Top[ Son[ u ] ] = Top[ u ];
Index[ Son[ u ] ] = ++Used;
Ref[ Used ] = Son[ u ];
Dfs2( Son[ u ], u );
}
for( long long t = Start[ u ]; t; t = Edge[ t ].Next ) {
long long v = Edge[ t ].To;
if( v == Fa || v == Son[ u ] ) continue;
Top[ v ] = v; Index[ v ] = ++Used; Ref[ Used ] = v;
Dfs2( v, u );
}
return;
}
void Build_Cut() {
Dfs1( 1, 0 );
Top[ 1 ] = 1; Index[ 1 ] = ++Used; Ref[ Used ] = 1;
Dfs2( 1, 0 );
for( int i = 1; i <= n; ++i ) Dfn[ Top[ i ] ] = max( Dfn[ Top[ i ] ], Index[ i ] );
return;
}
void Dfs3( long long u, long long Fa ) {
LDp[ u ][ 1 ] = NowCost[ u ];
for( long long t = Start[ u ]; t; t = Edge[ t ].Next ) {
long long v = Edge[ t ].To;
if( v == Fa || v == Son[ u ] ) continue;
Dfs3( v, u );
LDp[ u ][ 0 ] += max( Dp[ v ][ 0 ], Dp[ v ][ 1 ] );
LDp[ u ][ 1 ] += Dp[ v ][ 0 ];
}
if( Son[ u ] ) Dfs3( Son[ u ], u );
Dp[ u ][ 0 ] = LDp[ u ][ 0 ] + max( Dp[ Son[ u ] ][ 0 ], Dp[ Son[ u ] ][ 1 ] );
Dp[ u ][ 1 ] = LDp[ u ][ 1 ] + Dp[ Son[ u ] ][ 0 ];
return;
}
void RealBuild( long long Ind, long long Left, long long Right ) {
if( Left == Right ) {
Tree[ Ind ] = matrix( LDp[ Ref[ Left ] ] );
return;
}
long long Mid = ( Left + Right ) >> 1;
RealBuild( Ind << 1, Left, Mid );
RealBuild( Ind << 1 | 1, Mid + 1, Right );
Tree[ Ind ] = Tree[ Ind << 1 ] * Tree[ Ind << 1 | 1 ];
return;
}
matrix Query( long long Ind, long long Left, long long Right, long long L, long long R ) {
if( L <= Left && Right <= R ) return Tree[ Ind ];
long long Mid = ( Left + Right ) >> 1;
if( R <= Mid ) return Query( Ind << 1, Left, Mid, L, R );
if( L > Mid ) return Query( Ind << 1 | 1, Mid + 1, Right, L, R );
return Query( Ind << 1, Left, Mid, L, R ) * Query( Ind << 1 | 1, Mid + 1, Right, L, R );
}
void Build() {
for( long long i = 1; i <= n; ++i ) NowCost[ i ] = Cost[ i ];
for( long long i = 1; i <= n; ++i ) Sum += NowCost[ i ];
Dfs3( 1, 0 );
RealBuild( 1, 1, n );
return;
}
void Update( long long Ind, long long Left, long long Right, long long x ) {
if( Left == Right ) {
Tree[ Ind ] = matrix( LDp[ Ref[ Left ] ] );
return;
}
long long Mid = ( Left + Right ) >> 1;
if( x <= Mid ) Update( Ind << 1, Left, Mid, x );
if( x > Mid ) Update( Ind << 1 | 1, Mid + 1, Right, x );
Tree[ Ind ] = Tree[ Ind << 1 ] * Tree[ Ind << 1 | 1 ];
return;
}
void Change( long long u, long long Key ) {
matrix Last = Query( 1, 1, n, Index[ Top[ u ] ], Dfn[ Top[ u ] ] );
LDp[ u ][ 1 ] += -NowCost[ u ] + Key; NowCost[ u ] = Key;
Update( 1, 1, n, Index[ u ] );
matrix Temp = Query( 1, 1, n, Index[ Top[ u ] ], Dfn[ Top[ u ] ] );
u = Father[ Top[ u ] ];
while( u ) {
matrix TTT = Query( 1, 1, n, Index[ Top[ u ] ], Dfn[ Top[ u ] ] );
LDp[ u ][ 0 ] += -max( Last.A[ 0 ][ 0 ], Last.A[ 1 ][ 0 ] ) + max( Temp.A[ 0 ][ 0 ], Temp.A[ 1 ][ 0 ] );
LDp[ u ][ 1 ] += -Last.A[ 0 ][ 0 ] + Temp.A[ 0 ][ 0 ];
Last = TTT;
Update( 1, 1, n, Index[ u ] );
Temp = Query( 1, 1, n, Index[ Top[ u ] ], Dfn[ Top[ u ] ] );
u = Father[ Top[ u ] ];
}
return;
}
luoguP5024 保卫王国的更多相关文章
- luoguP5024 保卫王国 动态dp
题目大意: emmmmm 题解: QAQ #include <cstdio> #include <cstring> #include <iostream> usin ...
- LuoguP5024 保卫王国(动态DP,LCT)
最小权覆盖集 = 全集 - 最大权独立集 强制取点.不取点可以使用把权值改成正无穷或负无穷实现 接下来就是经典的"动态最大权独立集"了 O(nlogn). 这不是我说的,是immo ...
- noip2018 d2t3 保卫王国 解题报告
保卫王国 电脑卡懒得把题面挪过来了. 朴素 \[ dp_{i,0}=\sum dp_{s,1}\\ dp_{i,1}=\sum \min(dp_{s,0},dp_{s,1})+p_i \] 然后直接动 ...
- LG5024 保卫王国
题意 题目描述 Z 国有\(n\)座城市,\(n - 1\)条双向道路,每条双向道路连接两座城市,且任意两座城市 都能通过若干条道路相互到达. Z 国的国防部长小 Z 要在城市中驻扎军队.驻扎军队需要 ...
- 「NOIP2018」保卫王国
「NOIP2018保卫王国」 题目描述 有一棵 \(n\) 个点, 点有点权 \(a_i\),\(m\) 组询问, 每次求钦点两个节点必须选或者必须不选后的树上最小点覆盖. \(1 \leq n, m ...
- Uoj 441 保卫王国
Uoj 441 保卫王国 动态 \(dp\) .今天才来写这个题. 设 \(f[u][0/1]\) 表示子树 \(u\) 中不选/选 \(u\) 时的最小权值和,显然有:\(f[u][0]=\sum ...
- 竞赛题解 - NOIP2018 保卫王国
\(\mathcal{NOIP2018}\) 保卫王国 - 竞赛题解 按某一个炒鸡dalao名曰 taotao 的话说: \(\ \ \ \ \ \ \ \ \ "一道sb倍增题" ...
- [NOIP2018TG]保卫王国
[NOIP2018TG]保卫王国 BZOJ luogu 当动态dp模板题写的,(全集-最大点权独立集)不能放军队的+inf,必须放军队-inf即可 注意矩阵乘法的顺序问题 #define ll lon ...
- 『保卫王国 树上倍增dp』
保卫王国 Description Z 国有n座城市,n - 1条双向道路,每条双向道路连接两座城市,且任意两座城市 都能通过若干条道路相互到达. Z 国的国防部长小 Z 要在城市中驻扎军队.驻扎军队需 ...
随机推荐
- postpreSQL和oracle数据库的递归
oracle: --包含自身 select * from sec_org start with org_id ='9767FA56D52680AEE043C0A8670580AE' --开始节点 co ...
- QByteArray详解
QByteArray在串口通讯中经常被使用,有一定必要较为全面详细的对QByteArray进行阐述.本文通过以下几个部分加以介绍: 1. 初始化 2. 访问与赋值 3. 添加.删除.插入与替换操作 4 ...
- vue的数据代理
1. vue数据代理: data对象的所有属性的操作(读/写)由vm对象来代理操作2. 好处: 通过vm对象就可以方便的操作data中的数据3. 实现: 1). 通过Object.defineProp ...
- java技术面试之面试题大全
转载自:http://blog.csdn.net/lijizhi19950123/article/details/77679489 Java 面试知识点总结 本篇文章会对面试中常遇到的Java技术点进 ...
- mysql使用存储过程,批量生成测试数据
1.存储过程代码 delimiter $$DROP PROCEDURE IF EXISTS create_service_data$$create procedure create_service_d ...
- 华硕B360主板装机找不到固态硬盘启动
1.开机点按F2进入BIOS中,在security选项卡中选择secure boot menu,secure boot control按Enter选择Disable,按F10保存: 2.电脑重 ...
- Maxwell平滑升级流程
1. 同步配置文件 copy之前的配置文件 2 关掉监控程序 如果有的话 3 kill掉之前的maxwell程序 4 查询已经读取到的position位置,然后重启服务 ...
- deep_learning_cross_entropy
交叉熵损失函数 交叉熵代价函数(Cross-entropy cost function)是用来衡量人工神经网络(ANN)的预测值与实际值的一种方式.与二次代价函数相比,它能更有效地促进ANN的训练.在 ...
- 5.NIO_ Selector选择器
1.阻塞与非阻塞 传统的 IO 流都是阻塞式的.也就是说,当一个线程调用 read() 或 write() 时,该线程被阻塞,直到有一些数据被读取或写入, 该线程在此期间不能执行其他任务因此,在完成网 ...
- Vue快速学习_第五节
axios安装及使用 网站文档地址:https://www.kancloud.cn/yunye/axios/234845 1.npm安装 cnpm install axios 2.// 在main.j ...