本章学习斜率优化建图

请放心食用

引言

  • 最小生成树(\(mst\)) (\(Algorithm: \text {Prim or Kruskal}\))
  • 从裸题到一丁点技巧,再到丧心病狂的神仙题
  • 原始时间复杂度 \(O(N^2)\) 与 \(O(M log M)\)
  • 永远的 \(TLE\) ······

正话

本文第一句就是正话

像多次查询而你非得(无奈)每次重新建图,跑一边 \(mst\) 的题

很多时候带有技巧性,优先考虑建图的优化

如果熟悉斜率优化 \(dp\) 的话,像一些边有多种信息会产生贡献,如二维最小生成树(边有两条信息会在不同时候产生不一样的贡献)

可以考虑斜率那些事儿

配上例题,更好食用

地壳运动(mst)

\(Description\)

JZ是一个坐落在地壳运动活跃的山区的城市,常受地质灾害的袭击。

城市中建立了N个应急避难所以躲避灾害,这些避难所从1~N编号。此外有M条道路连接这些避难所,所有避难所间均可通过这M条道路直接或间接到达。由于是在规划良好的市区,道路可以由若干个平行于x或y坐标轴的线段组成,所以避难所xi和yi之间的道路可以用(ui,vi)来表示,道路的长度为ui+vi。由于地壳运动会导致地面拉伸或收缩,可用两个实数k1,k2描述城市的伸缩程度,此时某条道路的实际长度变为 \(ui\times k1+vi\times k2\)。有若干个独立的询问,每次询问给出k1和k2,政府都希望在此地壳运动前提下,以最小的花费维护其中一些道路,使得只用这些被维护的道路仍能使所有避难所间相互连通。因为花费与道路的实际总长成正比,所以你需要对每一次询问求出被维护道路的最短实际总长。

\(Input\)

第一行三个整数N,M,Q,分别表示避难所数量、道路数量、询问数量。

接下来M行每行四个整数xi,yi,ui,vi。xi,yi表示道路连接的两个避难所编号,ui,vi意义如上文所述。

最后Q行每行两个实数,表示每次询问的的k1和k2。

\(Output\)

输出Q行,每行一个实数,表示实际总长,保留三位小数。

\(Sample Input\)

4 8 3

2 1 3 6

3 2 0 7

4 1 7 0

1 4 4 6

2 1 2 7

1 2 2 10

2 2 5 5

4 4 8 9

0.626436771146 0.472537839745

0.977631137354 0.190235819672

0.418883351791 0.221987861358

\(Sample Output\)

12.253

9.671

6.878

解法

  • \(30\) 分,依题暴力,每次重新建图,重跑 \(mst\)
  • \(60\) 分,用脑袋想想,去掉那些无用的边,捡一些可能的较好边,然后愉快拿到全场第二高分(\(sorry\) , 有初一A掉的)
  • \(100\) 分,多样做法,下面介绍一种

    依题有两块地区的花费 \(g(x,y) = u_i * k1 + v_i * k2\)

    这让我们无法挑取好边,导致每次都要重新建图

    倘若我们把它当成一次函数

    化简它 \(v_i = -\frac{k1}{k2} u_i + \frac{g(x,y)}{k2}\)

你问我为何要化成这样,我只好回答你

1.参考其他人的解法

2.经验(虽然我没经验)

3.依题

前两点无可反驳,第三点怎个依题,愿闻其详

好,我们要找决策集合,所以一次函数的 \(y\) 与 \(x\) 要和 \(\text{u_i v_i}\) 相关,而两地的实际长度由 \(\text{k1 k2}\) 决定

也就是说靠 \(\text{k1 k2}\) 来确定一条直线

就很自然想到拿这两个东西来当斜率或与截距相关

而本题要在两点间取最优边,基本套路就是用若干直线切决策点,最小化截距

因为 \(k1 > 0 , k2 > 0\) 所以最小化截距就是最小化 \(g(x,y)\)

达到目的,看具体实现

既然要最小化截距,那么我们就要维护下凸壳,上凸的绝对没有下凸的优(自己画一下)

所以我们就有了一点思绪

对于 \((x,y)\) 这两地,我们需寻找其中的最优决策

而我们将在它的决策集合\(\texttt{u_i v_i}\)中挑选

基本会想到先将\(\texttt{u_i v_i}\)看成在平面直角坐标系中的一个点

然后配合化简的式子分析:\(v_i = -\frac{k1}{k2} u_i + \frac{g(x,y)}{k2}\)

先前提到最小化截距

那么我们将决策集合的点先按 \(u_i\) 从小到大排序

然后单调队列维护下凸壳,也就是维护斜率单调递增

但尽管如此,我们的决策点仍旧是太多了,还是会超时

然后我们想想,如果斜率单调递增,那么对于斜率小于直线斜率的点对 \((x_1 , y_1)\) 和 \((x_2 , y_2)\)

因为排过序了,所以有 \(x_1 < x_2\)

这两点你画画图,用直线去切,不难发现

\((x_1 , y_1)\) 和 \((x_2 , y_2)\),后者更优(此时的直线斜率更小)

这样的话,我们凭此弹掉队首的劣点,就能确定最优的点是谁了,直接 \(O(1)\) 取队首

但前提是斜率单调递增

把 \(-\frac{k1}{k2}\) 排个序就好了,升序

具体来说,就是

  • 维护每两个地区下凸壳
  • 排序\(-\frac{k1}{k2}\)
  • 每两个地区重新选边,弹去队首劣点,取新的队首作为最优决策
  • 跑 \(Prim\),算答案

代码(仍需开O)

#pragma GCC optimize(2)
#pragma GCC optimize(3)
#include<cstdio>
#include<algorithm>
#include<vector>
using namespace std; const int N = 35 , Q = 200000;
const double INF = 1e18;
int n , m , q , p[N + 5][N + 5];
double ans[Q + 5] , dis[N + 5] , vis[N + 5] , g[N + 5][N + 5];
struct que{
int id;
double k1 , k2 , k;
}ask[Q + 5];
struct point{
int x , y;
};
vector<point> vec[N + 5][N + 5] , e[N + 5][N + 5]; inline bool cmp(point x , point y) {return x.x < y.x;}
inline bool cmp1(que x , que y) {return x.k < y.k;} inline void choose(que l)
{
for(register int i = 1; i <= n; i++)
for(register int j = 1; j <= n; j++)
g[i][j] = INF;
for(register int i = 1; i <= n; i++)
for(register int j = i + 1; j <= n; j++)
if (e[i][j].size())
{
if (e[i][j].size() - p[i][j] == 1) g[i][j] = 1.0 * e[i][j][p[i][j]].x * l.k1 + 1.0 * e[i][j][p[i][j]].y * l.k2;
else {
while (p[i][j] < e[i][j].size() - 1 && 1.0 * (e[i][j][p[i][j]].y - e[i][j][p[i][j] + 1].y) / (e[i][j][p[i][j]].x - e[i][j][p[i][j] + 1].x) < l.k)
p[i][j]++;
g[i][j] = 1.0 * e[i][j][p[i][j]].x * l.k1 + 1.0 * e[i][j][p[i][j]].y * l.k2;;
}
g[j][i] = g[i][j];
}
} inline double prim()
{
for(register int i = 0; i <= n; i++) dis[i] = INF , vis[i] = 0;
int k;
double res = 0;
dis[1] = 0;
for(register int i = 1; i <= n; i++)
{
k = 0;
for(register int j = 1; j <= n; j++)
if (!vis[j] && dis[j] < dis[k]) k = j;
vis[k] = 1 , res += dis[k];
for(register int j = 1; j <= n; j++)
if (!vis[j] && dis[j] > g[k][j]) dis[j] = g[k][j];
}
return res;
} int main()
{
// freopen("mst.in" , "r" , stdin);
// freopen("mst.out" , "w" , stdout);
scanf("%d%d%d" , &n , &m , &q);
int x , y , u , v , s;
for(register int i = 1; i <= m; i++)
{
scanf("%d%d%d%d" , &x , &y , &u , &v);
if (x == y) continue;
if (x > y) swap(x , y);
vec[x][y].push_back((point){u , v});
}
for(register int i = 1; i <= n; i++)
for(register int j = i + 1; j <= n; j++)
if (vec[i][j].size())
{
sort(vec[i][j].begin() , vec[i][j].end() , cmp);
s = 0 , e[i][j].push_back(vec[i][j][0]);
for(register int k = 1; k < vec[i][j].size(); k++)
{
if (vec[i][j][k].x == e[i][j][s].x)
{
if (vec[i][j][k].y >= e[i][j][s].y) continue;
else e[i][j].pop_back() , s--;
}
if (s == 0) s++ , e[i][j].push_back(vec[i][j][k]);
else {
while (s > 0 && 1.0 * (e[i][j][s].y - e[i][j][s - 1].y) / (e[i][j][s].x - e[i][j][s - 1].x) > 1.0 * (vec[i][j][k].y - e[i][j][s].y) / (vec[i][j][k].x - e[i][j][s].x))
e[i][j].pop_back() , s--;
s++ , e[i][j].push_back(vec[i][j][k]);
}
}
}
double k1 , k2;
for(register int i = 1; i <= q; i++)
{
scanf("%lf%lf" , &k1 , &k2);
ask[i].id = i , ask[i].k1 = k1 , ask[i].k2 = k2 , ask[i].k = -1.0 * k1 / k2;
}
sort(ask + 1 , ask + q + 1 , cmp1);
for(register int i = 1; i <= q; i++)
choose(ask[i]) , ans[ask[i].id] = prim();
for(register int i = 1; i <= q; i++) printf("%.3lf\n" , ans[i]);
}

函数是很美妙的,关于斜率高深莫测的那些事儿,还得慢慢摸索

斜率优化建图学习笔记 & JZOJ 地壳运动题解的更多相关文章

  1. [斜率优化DP]【学习笔记】【更新中】

    参考资料: 1.元旦集训的课件已经很好了 http://files.cnblogs.com/files/candy99/dp.pdf 2.http://www.cnblogs.com/MashiroS ...

  2. [十二省联考2019]字符串问题——后缀自动机+parent树优化建图+拓扑序DP+倍增

    题目链接: [十二省联考2019]字符串问题 首先考虑最暴力的做法就是对于每个$B$串存一下它是哪些$A$串的前缀,然后按每组支配关系连边,做一遍拓扑序DP即可. 但即使忽略判断前缀的时间,光是连边的 ...

  3. [SDOI2017]天才黑客[最短路、前缀优化建图]

    题意 一个 \(n\) 点 \(m\) 边的有向图,还有一棵 \(k\) 个节点的 trie ,每条边上有一个字符串,可以用 trie 的根到某个节点的路径来表示.每经过一条边,当前携带的字符串就会变 ...

  4. BZOJ5017 [SNOI2017]炸弹 - 线段树优化建图+Tarjan

    Solution 一个点向一个区间内的所有点连边, 可以用线段树优化建图来优化 : 前置技能传送门 然后就得到一个有向图, 一个联通块内的炸弹可以互相引爆, 所以进行缩点变成$DAG$ 然后拓扑排序. ...

  5. 【LibreOJ】#6354. 「CodePlus 2018 4 月赛」最短路 异或优化建图+Dijkstra

    [题目]#6354. 「CodePlus 2018 4 月赛」最短路 [题意]给定n个点,m条带权有向边,任意两个点i和j还可以花费(i xor j)*C到达(C是给定的常数),求A到B的最短距离.\ ...

  6. CF1007D. Ants(树链剖分+线段树+2-SAT及前缀优化建图)

    题目链接 https://codeforces.com/problemset/problem/1007/D 题解 其实这道题本身还是挺简单的,这里只是记录一下 2-SAT 的前缀优化建图的相关内容. ...

  7. 【BZOJ3681】Arietta 树链剖分+可持久化线段树优化建图+网络流

    [BZOJ3681]Arietta Description Arietta 的命运与她的妹妹不同,在她的妹妹已经走进学院的时候,她仍然留在山村中.但是她从未停止过和恋人 Velding 的书信往来.一 ...

  8. 洛谷P3783 [SDOI2017]天才黑客(前后缀优化建图+虚树+最短路)

    题面 传送门 题解 去看\(shadowice\)巨巨写得前后缀优化建图吧 话说我似乎连线段树优化建图的做法都不会 //minamoto #include<bits/stdc++.h> # ...

  9. 【ARC069F】Flags 2-sat+线段树优化建图+二分

    Description ​ 数轴上有 n 个旗子,第 ii 个可以插在坐标 xi或者 yi,最大化两两旗子之间的最小距离. Input ​ 第一行一个整数 N. ​ 接下来 N 行每行两个整数 xi, ...

  10. 【bzoj5017】[Snoi2017]炸弹 线段树优化建图+Tarjan+拓扑排序

    题目描述 在一条直线上有 N 个炸弹,每个炸弹的坐标是 Xi,爆炸半径是 Ri,当一个炸弹爆炸时,如果另一个炸弹所在位置 Xj 满足:  Xi−Ri≤Xj≤Xi+Ri,那么,该炸弹也会被引爆.  现在 ...

随机推荐

  1. 修改Listen 1源码的一点心得

    注:本文只作为技术交流 首先感谢听1的作者写出这么强大的音乐播放器!! 软件首页地址:点击打开链接 软件的github上上上地址:点击打开链接 软件唯一让我美中不足的就是不能下载,这可能是作者考虑到了 ...

  2. day12 多线程1.进程与线程 & 2.线程生命周期 & 3.线程同步机制

    day12 bigDecimal,用于计算钱的数据类型 多线程 线程与进程 进程 1)执行中的应用程序 2)一个进程可以包含一个或者多个线程 3)一个进程至少要包含一个线程(如main方法) 线程 线 ...

  3. 【Java SE进阶】Day01 Object类、日期时间类、System类、StringBuilder类、包装类

    一.Object类 1.概述:Java语言的根类/超类,默认继承自Object类 2.常用方法 toString():返回对象的字符串表示--对象类型@内存地址值 可以对其重写@Override eq ...

  4. 【算法总结】【队列均LinkedList】栈和队列、双端队列的使用及案例

    1.栈 初始化:Stack<E> stack = new Stack<>(); 出栈:stack.pop() 或 stack.remove(stack.size() - 1) ...

  5. Springboot配置多Redis源

    Springboot配置多Redis源 一.背景 因项目部署了新集群,某些缓存数据需要在旧的redis上取,就必须配置多个数据源动态获取相对应的源以兼容业务. 二.配置依赖 <dependenc ...

  6. go-carbon 1.5.1 版本发布, 修复已知 bug 和新增土耳其翻译文件

    carbon 是一个轻量级.语义化.对开发者友好的golang时间处理库,支持链式调用. 目前已被 awesome-go 收录,如果您觉得不错,请给个star吧 github.com/golang-m ...

  7. 使用docker中的MySQL

    简言 好久没写文章了,今天分享一篇将mysql移到docker容器.大家都是程序员,如何安装docker我就不说了.  1. 安装.启动mysql镜像 首先使用 docker search mysql ...

  8. 静态文件配置,django连接MySQL,ORM基本操作

    静态文件 什么是静态文件 静态文件是不怎么经常变化的文件,主要针对html文件所使用的到的各种资源. css文件.js文件.img文件.第三方框架文件 django针对静态文件资源需要单独开始一个目录 ...

  9. avue框架 拼接后端返回的数据到table中

    根据要求展示下列详细地址情况: 后端返回的数据: 具体实现步骤: { label: "详细地址", prop: "buildingName", display: ...

  10. Hive详解(03) - hive基础使用

    Hive详解(03) - hive基础使用 Hive数据类型 基本数据类型 对于Hive的String类型相当于数据库的varchar类型,该类型是一个可变的字符串,不过它不能声明其中最多能存储多少个 ...