lxl 学长讲课笔记

常数种可能性的状态

通过预先处理多种状态的信息,从而快速的转换状态。

经典操作:flip

分析信息的思路

  • 利用线段树

利用线段树的时候,如何合并两个分支区间的信息,我们需要有如下注意:

  1. 答案 - 依赖的信息,继续的依赖,这样就能找到需要维护的东西。这终会产生闭包。

  2. 合并时,我们只需要考虑跨过分治区间对于答案的贡献,对于不同的情况进行讨论即可。

线段树其实就是十分自然的序列上的分治树,所以我们处理线段树的过程也可以看作分治的过程。

只是在这里,两个分治区间的信息可以快速地合并罢了。

  • 对于不独立信息的处理

独立的信息指区间 \(\max\) 区间和问题。

不独立的如配对相关问题,经典的有前驱后继,或者 \(a_i + a_j = w\) 的问题。

一种做法是离线进行扫描线,但是不能带修,一种是强行进行高位扫描线,也就是莫队,可以带修,但是复杂度可能无法接受。

然而更好的做法我们需要尝试将不独立的信息变的独立

  1. 配对问题中合理的利用 pre 会有奇效!

  2. 配对问题可能出现 \(O(n)\) 影响 pre 的情况,我们需要合理利用 支配 的性质来减少不必要的影响。

例如 P6617 查找 Search 中有很好的体现。

  • 在什么地方使用数据结构?

一般来说,我们有两种方案:

  1. 对于信息建立数据结构,在询问时对其进行查询。
  2. 对于询问建立数据结构,利用信息更新最终答案。

CF702F T-Shirts 中有很好的体现,这两种思路都可以。

小技巧

颜色段均摊

对于 ODT 来说,其区间推平的复杂度是 \(O((n + m) \log n)\) 的,十分的优秀,但是对于查询来说,我们需要通过分块或者线段进行辅助,从而达到正确的复杂度。

有一种特殊情况例外:
如果推平和查询同时发生,意味着推平时对于每一段查询的复杂度是没有问题的!

判断是否可以均摊,我们可以看是否能够构造出一个操作序列使得序列复原,如果可以复原,那么基本是不可以均摊的。

或者我们看是否能找到一个量,不增,或者不减,或者有一个神秘的上界。

更详细的文章:# 算法学习笔记(42): 颜色段均摊

容均摊

对于 \(\sqrt x\) 的操作,可能可以通过 \(\max - \min\) 的势能来搞定。

如果发现极差会变化:\(\max - \min \ne \sqrt{\max} - \sqrt {\min}\),那么便可以暴力递归下去修改,否则可以整体打一个 \(\sqrt x\) 的标记。对于区间加减,在线段树上至多影响 \(O(\log n)\) 个节点的势能,所以复杂度并不会有问题。

类似的操作有 \(\lfloor \frac x d \rfloor\),这可以将除法操作变为对于区间的加减操作。

事实上吉司机线段树对于区间取 \(\min / \max\) 的操作也是利用了容均摊,将对于最值的操作分成两套标记:最值与非最值,从而达到合理的复杂度。

自由度与扫描线

自由度指的是询问中变量的数量,例如一位区间的自由度为 \(2\)。

如果将动态问题转化为静态问题,自由度 \(+1\),也就是增加了 时间 这一维度,这也常常是扫描线的做法。

很多时候,我们可以将询问与信息的影响放在一个二维平面上进行理解,从而得到扫描线的做法。

更详细的文章:

换维扫描线

其处理的修改与询问大概类如:

通过换维扫描线使得:

  • 区间加 \(\to\) 单点加
  • 单点查 \(\to\) 区间查

通俗一点来说,就是对于修改建立数据结构!

区间子区间问题

形式就是多次询问给定区间 \((l, r)\),求形如 \(\sum_{i = l}^r \sum_{j = i}^r f(i, j)\) 的式子。

一般来说,我们可以从如下几个步骤入手:

  1. 考虑只是一个区间怎么做,是否有很好的性质或者充要条件?
  2. 考虑只有一次询问怎么做,是否可以进行扫描线,或者进行分治?
    • 如果可以扫描线,那么这个问题是否可以通过历史版本和搞定?
    • 如果可以分治,是否可以利用询问挂在区间上搞定?
  3. 考虑每个点对于那些区间有贡献,放在二维平面上理解,利用甚至 \(O(n \log^2 n)\) 的树套树?
  4. 考虑 \(O(n)\) 计算的经典优化方法?
  5. 考虑这是不是一个 \(\mathrm{fAkE}\) 的式子,可以利用类似 \(O(\frac {n^2}{w})\) 的东西碾过去?
  6. 下一道题?(雾

基于区间逆序对的思考

区间相关的信息,维度与自由度,莫队

双前缀莫队:\(f(l, r, x, y) \to f(1, r, x, y) - f(1, l - 1, x, y) \to f(1, r, 1, y) - f(1, r, 1, x - 1) - f(1, l - 1, 1, y) + f(1, l - 1, 1, x - 1)\)。将 \(4\) 自由度转化为 \(2\) 自由度的问题,利用莫队。

莫队和可撤销莫队至多差一个 \(O(\log n)\) 的复杂度

lxl学长讲课笔记的更多相关文章

  1. 【分享】学长的安利来了~~O(∩_∩)O

    前言:应栋哥要求,学长把演讲稿稍微整理下发布出来,这可以算是一篇安利文,也可以说是一篇经历文吧.作为一个确确实实从软工里收获到挺多东西的过来人,学长希望可以通过学长的经历来让你们对软工更加期待. 安利 ...

  2. 黄学长模拟day1 某种密码

    关于某种密码有如下描述:某种密码的原文A是由N个数字组成,而密文B是一个长度为N的01数串,原文和密文的关联在于一个钥匙码KEY.若KEY=∑▒[Ai*Bi],则密文就是原文的一组合法密码. 现在有原 ...

  3. Week1 学长的经验教训

    我手头拿到的是上一届学长的软件工程大作业,作业的名称是——汽车4S店信息管理系统. 这个大作业我认为还是非常典型的传统模式的大作业,由手机端(客户端)和服务端组成,非常的传统.             ...

  4. 对学长所谓“改变世界的游戏”《shield star》的运行感想-毛宇部分(完整版本请参考团队博客)

    对于学长项目<shield star>的思考和看法: Ryan Mao ((毛宇)  110616-11061171 试用了一下学长黄杨等人开发的<shield star>游戏 ...

  5. 学长们的求职血泪史(C/C++/JAVA)

    以下分三个方向讲解,每个方向都是一个学长独自撰稿. (一)  C语言篇 C语言求职血泪史 华为(实习):机试.一面.性格测试被鄙视.优招被鄙视.普招被鄙视 锐捷:笔试.面试莫名其妙被鄙视 创新工场:笔 ...

  6. Team Homework #1 学长“学霸英语学习软件”试用

    简介: 一款英语单词记忆和管理辅助软件. 基本功能: 内置GRE词汇及其常考形态.Webster英语解释 单词发音功能 单词测验模式 简易词典功能 基本界面 词库单词读取 单词测试 优点: 1.界面简 ...

  7. 王学长的LCT标程

    善良的王学长竟然亲自打了一遍QAQ好感动QAQ #include<iostream> #include<cstdio> #include<cmath> #inclu ...

  8. 一位学长的ACM总结(感触颇深)

    发信人: fennec (fennec), 信区: Algorithm 标 题: acm 总结 by fennec 发信站: 吉林大学牡丹园站 (Wed Dec 8 16:27:55 2004) AC ...

  9. 王学长的AAA树

    让我们响应王学长的号召勇敢的分开写splay和lct吧! 分开写大法好!!!!!!!!!!!杜教的ch[4]弱爆了!!!! #include <stdio.h> #include < ...

  10. 个人技术博客--团队Git规范(参考西瓜学长)

    援引西瓜学长:GitHub团队项目合作流程 废话少说直接写 1.fork 1.对于组员来说第一步就是fork 2.点击fork之后 上面是我们的团队仓库 切换回自己的仓库 就会看到 是fork于团队仓 ...

随机推荐

  1. kong管理界面konga的安装

    kong网关自身的管理界面属于付费的应用,而第三方界面又非常少,konga算是相对比较好的一款了,虽然也有一些问题,但整体的功能还比较全,github仓库为:https://github.com/pa ...

  2. 浏览器端实现类似input限制输入两位小数,输入时光标从输入位置移动到最后

    1.问题描述展示 示例代码所做限制为不允许输入字母d,其他限制规则可以根据需求自己调整,使用React编写,其他框架或原生均可根据该代码理解原理进行转变,特意使用了中文键盘可以看到输入框下面白色框闪出 ...

  3. Oracle SQL 创建一个简单的存储过程procedure

    Oracle 简单的创建一个存储过程procedure 如果学过别的语言,例如java,c这些,那么其实很好理解,其实就是面向数据库的操作 简单的例子如下: --创建或者重写存储过程 create o ...

  4. HL7消息类型

    HL7消息有很多不同的类型,每种都有其自己的独特用途和消息内容.以下是常见的HL7消息类型的列表. Message Type Description HL7 ADT Admit, Discharge ...

  5. MySQL统计信息不准导致的性能问题

    简介: 统计信息不准导致错误的执行计划,引发性能问题 表的统计信息错误导致优化器选择错误的执行计划. 一个客户的性能优化案例: 没有修改数据库实例的任何配置参数以及业务代码没有变更的情况下,一条 sq ...

  6. 使用Databricks+Mlflow进行机器学习模型的训练和部署【Databricks 数据洞察公开课】

    简介: 介绍如何使用Databricks和MLflow搭建机器学习生命周期管理平台,实现从数据准备.模型训练.参数和性能指标追踪.以及模型部署的全流程. 作者:李锦桂   阿里云开源大数据平台开发工程 ...

  7. 基于 Serverless 架构的头像漫画风处理小程序

    ​简介: 当一个程序员想要个漫画风的头像时... 前言 我一直都想要有一个漫画版的头像,奈何手太笨,用了很多软件 "捏不出来",所以就在想着,是否可以基于 AI 实现这样一个功能, ...

  8. 长文解析:作为容器底层技术的半壁江山, cgroup如何突破并发创建瓶颈?

    ​简介: io_uring 作为一种新型高性能异步编程框架,代表着 Linux 内核未来的方向,当前仍处于快速发展中.阿里云联合 InfoQ 发起<io_uring 介绍及应用实践>的技术 ...

  9. ruby操作excel

    操作xlsx axlsx插件 操作xls spreadsheet插件

  10. ansible(11)--ansible的user和group模块

    1. group模块 功能:管理被控端用户组: 主要参数如下: 参数 说明 name 指定创建的组名 gid 为组设置gid state 是否将组创建在远程主机上,创建:present(Default ...