高维前缀和 (SOSDP)
算法介绍——高维前缀和
引入
我们都知道二维前缀和有这么一个容斥的写法:
for(int i=1;i<=n;i++){
for(int j=1;j<=m;j++){
s[i][j]=s[i-1][j]+s[i][j-1]-s[i-1][j-1]+a[i][j];
}
}
那换成三维前缀和,就有如下容斥代码:
s[i][j-1][k-1]+s[i-1][j-1][k-1]
\]
非常的繁琐,于是就诞生了如下二维前缀和的写法:
for(int i=1;i<=n;i++){
for(int j=1;j<=m;j++){
s[i][j]=s[i][j-1]+a[i][j];
}
}
for(int i=1;i<=n;i++){
for(int j=1;j<=m;j++){
s[i][j]+=s[i-1][j];
}
}
其实就是先统计列的前缀和,再统计行的前缀和。
那三维前缀和只需要三遍 forforfor 就搞定了,明显简单很多。
这就启发我们对于更高维度的前缀和,同样只需要做 \(n\)遍\(n\)层 for 循环。
正文
对于上面的 \(n\)遍\(n\)层for循环 的高维前缀和的代码,其复杂度显然不是我们能接受的,但是当每一维很小时就可以进行状态压缩。
最常见的就是每一维的大小为 \(2\) ,此时对于\(L\) 维数组就可以用一个长度为 \(L\) 的二进制数表示其中一个位置。
for(int i=0;i<L;i++){
for(int j=0;j<(1<<L);j++){
if(j>>i&1){
f[j]+=f[j^(1<<i)];
}
}
}
时间复杂度\(O(L\times2^L)\)
子集求和
对于一个二进制数 \(j\) ,如果另一个二进制数 \(i\) 满足,\(i \operatorname{and} j=i\) , 就说 \(j\) 包含 \(i\) , 即 \(i\) 是 \(j\) 的子集。
那上面的代码相当于对每一个 \(j\) 加上它的所有子集,我们称它为 子集求和。
超集求和
对于一个二进制数 \(j\) ,如果另一个二进制数 \(i\) 满足,\(i \operatorname{or} j=i\) , 此时 \(i\) 包含 \(j\) , 即 \(j\) 是 \(i\) 的子集,此时我们称 \(i\) 是 \(j\) 的超集 。
与子集求和类似的,我们有如下 超集求和 代码:
for(int i=0;i<L;i++){
for(int j=0;j<(1<<L);j++){
if(!(j>>i&1)){
f[j]+=f[j^(1<<i)];
}
}
}
应用
高维前缀和是计数的常用技巧,因此也被称为SOSDP。
其他
高维前缀和有时会配合Lucas定理使用,参见Lucas定理入门
例题
Compatible Numbers
\(a \operatorname{and} b = 0\) 等价于 \(a\) 是 \(b\) 的补集的子集,因为题目要求输出任意一个答案,所以只要把上述子集求和的代码中得加操作改成赋值操作即可。
#include<bits/stdc++.h>
using namespace std;
const int N=4e6+5;
inline int read(){
int w = 1, s = 0;
char c = getchar();
for (; c < '0' || c > '9'; w *= (c == '-') ? -1 : 1, c = getchar());
for (; c >= '0' && c <= '9'; s = 10 * s + (c - '0'), c = getchar());
return s * w;
}
int n;
int a[N];
int f[1<<22];
signed main(){
n=read();
for(int i=1;i<=n;i++){
a[i]=read();
f[a[i]]=a[i];
}
for(int i=0;i<=21;i++) {
for(int j=0;j<(1<<22);j++) {
if((j&(1<<i))&&f[j^(1<<i)]) f[j]=f[j^(1<<i)];
}
}
for(int i=1;i<=n;i++){
int b=((1<<22)-1)^a[i]; //计算补集
if(f[b]) printf("%d ",f[b]);
else printf("%d ",-1);
}
return 0;
}
[ARC137D] Prefix XORs
设 \(A_{i,j}\) 表示第 \(j\) 次操作后 \(A_i\) 的值,根据常识或手推可以知道:
\]
因为偶数个 \(A_i\) 异或起来的的结果为\(0\),所以 \(A_{i,0}\) 对 \(A_{n,k}\) 有贡献当且仅当 \(C^{k}_{n-i+k}\) 为奇数,即 $ C^{k}_{n-i+k} \equiv 1 \pmod 2 $,根据 Lucas 定理可知,此时 \(k\) 是 \(n-i+k\) 的子集,即 $k \operatorname{and} (n-i) = 0 $,用高维前缀和预处理即可
#include<bits/stdc++.h>
using namespace std;
const int N=1e6+5;
inline int read(){
int w = 1, s = 0;
char c = getchar();
for (; c < '0' || c > '9'; w *= (c == '-') ? -1 : 1, c = getchar());
for (; c >= '0' && c <= '9'; s = 10 * s + (c - '0'), c = getchar());
return s * w;
}
int n,m;
int a[N];
int f[1<<20];
signed main(){
n=read(),m=read();
for(int i=1;i<=n;i++){
a[i]=read();
}
for(int j=0;j<n;j++) f[j]=a[n-j];
for(int i=0;i<=19;i++){
for(int j=0;j<(1<<20);j++){
if(j>>i&1){
f[j]^=f[j^(1<<i)];
}
}
}
for(int k=0;k<m;k++){ //k从0开始
printf("%d ",f[((1<<20)-1)^k]); //求补集的答案
}
return 0;
}
高维前缀和 (SOSDP)的更多相关文章
- BZOJ.5092.[Lydsy1711月赛]分割序列(高维前缀和)
题目链接 \(Description\) \(Solution\) 首先处理\(a_i\)的前缀异或和\(s_i\).那么在对于序列\(a_1,...,a_n\),在\(i\)位置处分开的价值为:\( ...
- HDU.5765.Bonds(DP 高维前缀和)
题目链接 \(Description\) 给定一张\(n\)个点\(m\)条边的无向图.定义割集\(E\)为去掉\(E\)后使得图不连通的边集.定义一个bond为一个极小割集(即bond中边的任意一个 ...
- SPOJ.TLE - Time Limit Exceeded(DP 高维前缀和)
题目链接 \(Description\) 给定长为\(n\)的数组\(c_i\)和\(m\),求长为\(n\)的序列\(a_i\)个数,满足:\(c_i\not\mid a_i,\quad a_i\& ...
- LOJ2542 PKUWC2018 随机游走 min-max容斥、树上高斯消元、高维前缀和、期望
传送门 那么除了D1T3,PKUWC2018就更完了(斗地主这种全场0分的题怎么会做啊) 发现我们要求的是所有点中到达时间的最大值的期望,\(n\)又很小,考虑min-max容斥 那么我们要求从\(x ...
- Luogu3175 HAOI2015 按位或 min-max容斥、高维前缀和、期望
传送门 套路题 看到\(n \leq 20\),又看到我们求的是最后出现的位置出现的时间的期望,也就是集合中最大值的期望,考虑min-max容斥. 由\(E(max(S)) = \sum\limits ...
- BZOJ5092:[Lydsy1711月赛]分割序列(贪心,高维前缀和)
Description 对于一个长度为n的非负整数序列b_1,b_2,...,b_n,定义这个序列的能量为:f(b)=max{i=0,1,...,n}((b_1 xor b_2 xor...xor b ...
- HihoCoder - 1496:寻找最大值(高维前缀和||手动求子集)
描述 给定N个数A1, A2, A3, ... AN,小Ho想从中找到两个数Ai和Aj(i ≠ j)使得乘积Ai × Aj × (Ai AND Aj)最大.其中AND是按位与操作. 小Ho当然知道怎么 ...
- BZOJ:5092 [Lydsy1711月赛]分割序列(贪心&高维前缀和)
Description 对于一个长度为n的非负整数序列b_1,b_2,...,b_n,定义这个序列的能量为:f(b)=max{i=0,1,...,n}((b_1 xor b _2 xor...xor ...
- BZOJ4036:按位或 (min_max容斥&高维前缀和)
Description 刚开始你有一个数字0,每一秒钟你会随机选择一个[0,2^n-1]的数字,与你手上的数字进行或(c++,c的|,pascal 的or)操作.选择数字i的概率是p[i].保证0&l ...
- cf449D. Jzzhu and Numbers(容斥原理 高维前缀和)
题意 题目链接 给出\(n\)个数,问任意选几个数,它们\(\&\)起来等于\(0\)的方案数 Sol 正解居然是容斥原理Orz,然而本蒟蒻完全想不到.. 考虑每一种方案 答案=任意一种方案 ...
随机推荐
- CF1862G 题解
首先这个查询操作很迷,考虑先化简查询操作. 不难发现由于每次是加上一个逆的等差序列,因此一次操作完每个数与它的前驱之差一定会减少,因此加上等差序列的次数就等于全局每个数与它的前驱之差最大值. 又因为会 ...
- SQL注入方法
目录 前言 如何测试与利用注入点 手工 注入思路 工具 sqlmap -r -u -m --level --risk -v -p --threads -batch-smart --os-shell - ...
- SpringCloud连接远程nacos报错,一直提示连接本地的localhost:8848
application.properties spring.cloud.nacos.discovery.server-addr=xxx.xxx.xxx.xxx:8848 spring.applicat ...
- bean的二次加工-Spring5.X后置处理器BeanPostProcessor
什么是BeanPostProcessor 是Spring IOC容器给我们提供的一个扩展接口 在调用初始化方法前后对Bean进行额外加工,ApplicationContext会自动扫描实现了BeanP ...
- WebGL实践之半透阴影
楔子 相信很多人都知道,通过ShadowMap可以产生阴影,通过渲染阴影可以增加场景渲染的对比度,增加渲染的真实效果. 如下图所示: 但是对于透明或者半透明的对象,WebGL在处理阴影效果的时候,会把 ...
- 企业级环境部署:在 Linux 服务器上如何搭建和部署 Python 环境?
在大部分企业里,自动化测试框架落地都肯定会集成到Jenkins服务器上做持续集成测试,自动构建以及发送结果到邮箱,实现真正的无人值守测试. 不过Jenkins搭建一般都会部署在公司的服务器上,不会在私 ...
- Odoo 菜单定义和修改学习总结
odoo菜单定义和修改学习总结 环境 odoo-14.0.post20221212.tar 定义菜单 方式1: <?xml version="1.0"?> <od ...
- docker 容器挂载技术
创建和使用桥接网络 docker network create --driver bridge --subnet 192.168.13.0/24 --gateway 192.168.13.1 mqyn ...
- 【JavaWeb】封装一个MVC框架
框架参考自: https://www.bilibili.com/video/BV1gV411r7ct 在老师的基础上添加了 1.POST参数处理 2.Tomcat8版本下中文乱码处理 3.可声明请求方 ...
- 【SpringBoot】日志在项目中的应用
日志的目的: 为了方便日后的运维,快速定位BUG,错误信息等等 日志算是一个救命稻草 pom.xml需要的依赖: <?xml version="1.0" encoding=& ...