标签：骗分 Cnt frac 师莫队 复杂度 Len sqrt Col
莫队算法入门
离线算法, 解决多次区间询问问题. 算法的条件是一个问题区间 \([L, R]\) 询问的答案可以由 \([L - 1, R]\), \([L, R - 1]\), \([L + 1, R]\), \([L, R + 1]\) 中的任意某个区间的答案以 \(O(1)\) 的复杂度求出. 通过将区间排序, 然后暴力地用上一个答案求下一个答案. 复杂度为 \(O(n\sqrt n)\).
结合莫队的经典模板题小Z的袜子来讲解.
题面简述
一行 \(n\) 只袜子, 求区间 \([L, R]\) 中随机挑出两只后, 这两只袜子颜色相同的几率, \(m\) 次询问.
\(n, m \leq 50000\)
算法框架
开一个数组 \(Cnt\) 存储当前区间每种袜子数量, \(Cnt_i\) 表示当前区间第 \(i\) 个颜色的袜子个数.
开一个数组 \(Ans\) 存每个询问的答案, 用于按询问的输入顺序输出答案. 由于要输出最简分数, 所以每个答案是两个整数, 分别代表分子和分母.
分块, 以 \(L\) 的块数为第一关键字, \(R\) 为第二关键字排序. 依次枚举所有的询问, 暴力地从上一个答案推得本次答案.
增量
增量就是用相邻区间 (即只有一个端点相差为 \(1\), 另一个端点相同的两个区间) 的答案求目标区间答案的操作. 莫队算法复杂度的正确性要求增量操作复杂度为 \(O(1)\).
设第 \(i\) 只袜子颜色为 \(a_i\), 区间长度为 \(Len\).
暴力维护 \(Cnt\) 数组, 用 \([L - 1, R]\) 的 \(Cnt\) 求 \([L, R]\) 的 \(Cnt\) 时, 需要将 \(Cnt_{a_i}\) 减少 \(1\). 复杂度 \(O(1)\). 已知 \([L \pm 1, R]\) 或 \([L, R \pm 1]\) 求 \([L, R]\) 的情况同理.
保证了 \(Cnt\) 数组的 up to date, 接下来求概率. 考虑某种颜色的袜子被选中一双的概率. 第一只被选中的袜子颜色为 \(Col\) 的几率为 \(\frac{Cnt_{Col}}{Len}\), 第二只仍为 \(Col\) 的几率为
\[\frac{Cnt_{Col}(Cnt_{Col} - 1)}{Len(Len - 1)} = \frac{{Cnt_{Col}}^2 - Cnt_{Col}}{{Len}^2 - Len} \]但是如果每个颜色单独算, 单次查询时间复杂度 \(O(n)\), 一定会超时. 所以考虑一起计算. 如果一次增量中, 区间长度从 \(Len'\) 变成了 \(Len\) (当然, \(Len' = Len \pm 1\)). \(Cnt\) 没有变化的某种颜色 \(Col\) 的袜子被选中一双的概率从 \(\frac{{Cnt_{Col}}^2 - Cnt_{Col}}{{Len'}^2 - Len'}\) 变成 \(\frac{{Cnt_{Col}}^2 - Cnt_{Col}}{{Len}^2 - Len}\).
所以对于每个 \(Cnt\) 没有变化的颜色, 被选中一双的概率都会变成原来的 \(\frac{{Len'}^2 - Len'}{{Len}^2 - Len}\).
那么对于被加入或删除了一个袜子的颜色 \(Col\), 选中一双颜色为 \(Col\) 的袜子的概率从原来的 \(\frac{{{Cnt_{Col}}'}^2 - {Cnt_{Col}}'}{{Len'}^2 - Len'}\) 变成 \(\frac{{Cnt_{Col}}^2 - Cnt_{Col}}{{Len}^2 - Len}\).
因此, 设原答案为 \(\frac{Ans0'}{Ans1'}\) 新的答案 \(\frac{Ans0}{Ans1}\) 就是:
\[(\frac{Ans0'}{Ans1'} - \frac{{{Cnt_{Col}}'}^2 - {Cnt_{Col}}'}{{Len'}^2 - Len'})\frac{{Len'}^2 - Len'}{{Len}^2 - Len} + \frac{{Cnt_{Col}}^2 - Cnt_{Col}}{{Len}^2 - Len}\\ = \frac{Ans0'({Len'}^2 - Len')}{Ans1'({Len}^2 - Len)} - \frac{{{Cnt_{Col}}'}^2 - {Cnt_{Col}}' - {Cnt_{Col}}^2 + Cnt_{Col}}{{Len}^2 - Len}\\ = \frac{Ans0'({Len'}^2 - Len') - Ans1'({{Cnt_{Col}}'}^2 - {Cnt_{Col}}' - {Cnt_{Col}}^2 + Cnt_{Col})}{Ans1'({Len}^2 - Len)} \]分类讨论, 推式子
- 当区间增长了 \(1\), 即 \(Len = Len' + 1\)
- 当区间缩短了 \(1\), 即 \(Len = Len' - 1\)
考虑约分的操作. 因为分数的计算需要大量的乘积, 所以需要随时约分. 答案都是真分数, 分母最多是 \(Len^2 - Len\), 分子不大于分母, 所以答案的分子分母不超过 \(2.5*10^{9}\), 不超过 unsigned 的范围.
使用 unsigned long long 进行中间计算, 在每次计算后约分. 使用欧几里得算法求分子分母的 gcd, 然后分子分母一起除以这个 gcd.
特别地, 在 \(Len = 1\) 的情况下, \(Len^2 - Len = 0\), 分母为零无意义, 也存在概率为零的情况, 样例表明, 概率为 \(0\) 时, 输出 \(0/1\).
当概率为 \(1\) 时, 答案为整数, 同样有样例表明, 这时输出 \(1/1\).
但是这样的复杂度外面就会乘上一个 \(O(log(n^2))\), 变成 \(O(n\sqrt n log(n^2))\), 因为每次增量要求 GCD. 所以考虑更优的解法. 考虑从一开始单个颜色袜子选中一双的概率入手, 推得一个式子, 整理.
\[\frac{Ans0}{Ans1} = \frac{\displaystyle{\sum_{i = L}^{R}{Cnt_{a_i}}^2 − Cnt_{a_i}}}{Len^2 - Len}\\ = \frac{\displaystyle{\sum_{i = L}^{R}{Cnt_{a_i}}^2} - \displaystyle{\sum_{i = L}^{R}Cnt_{a_i}}}{Len^2 - Len}\\ = \frac{(\displaystyle{\sum_{i = L}^{R}{Cnt_{a_i}}^2}) - Len}{Len^2 - Len}\\ \]这样, 只要维护区间袜子数量平方和即可 \(O(1)\) 求答案. 由于平方和, 区间长度的平方不大于 \(2.5 * 10^9\), 所以无需每次增量约分, 只要约分 \(O(m)\) 次即可.
维护平方和, 对于某个 \(Cnt\) 的变化对平方和的影响, 如果 \(Cnt\) 在原来的基础上增加了 \(1\), 即 \(Cnt = Cnt' + 1\), 则
\[Cnt^2 = (Cnt' + 1)^2 = Cnt'^2 + 2Cnt' + 1 = Cnt'^2 + 2Cnt - 1 \]对于 \(Cnt = Cnt' - 1\) 的情况, 有
\[Cnt^2 = (Cnt' - 1)^2 = Cnt'^2 - 2Cnt' + 1 = Cnt'^2 - 2Cnt - 1 \]复杂度证明
因为莫队的前提是一次增量时间复杂度 O(1), 所以只要证明莫队对长度为 \(n\) 的序列的 \(m\) 次区间查询的复杂度是 \(O(n \sqrt m)\).
在分块的块长选择 \(\frac{n}{\sqrt m}\) 的前提下, 块数就是 \(\sqrt{m}\). 使用 algorithm 中自带的排序, 复杂度是 \(O(logm)\).
接下来对当前答案进行增量, 对于左端点和上一个询问同块的情况, 左端点最多增量 \(\frac{n}{\sqrt m}\) 次. 对于左端点在新的块的询问, 最多增量 \(\frac{2n}{\sqrt m}\) 次, 也是 \(O(\frac{n}{\sqrt m})\). 所有左端点增量次数复杂度为 \(O(\frac{nm}{\sqrt m}) = O(n \sqrt m)\). 左端点这个块内的所有询问, 右端点递增, 所以这些询问右端点总共增量最多 \(n\) 次. 所以右端点总共的增量数应该是 \(O(n \sqrt m)\). 综上, 左右端点增量数复杂度为 \(O(n \sqrt m)\)
分析更一般的情况, 如果块长选 \(x\), 块数就是 \(\frac {n}{x}\). 用上面的方式分析, 左端点的增量数复杂度是 \(O(xm)\), 右端点的增量数复杂度是 \(O(\frac{n^2}{x})\), 总复杂度为 \(O(xm + \frac{n^2}{x})\). 使用均值不等式, 最优复杂度为 \(xm + \frac{n^2}{x} \geq 2\sqrt{mn^2} = 2n\sqrt m = O(n\sqrt{m})\), 当 \(xm = \frac{n^2}{x}\) 时取到等号. 整理求块长:
\[xm = \frac{n^2}{x}\\ x^2m = n^2\\ x^2 = \frac{n^2}{m}\\ x = \frac{n}{\sqrt m} \]所以, 一般莫队的最优块长是 \(n\sqrt m\)
代码实现
细节不多, 码量短小, 把推的式子写成代码就好了, 是骗分的好工具.
unsigned m, n, Cnt[50005], BlockLen, BlockCnt;
long long a[50005], Ans[50005][2], Tmp0(0), Tmp1(1), TmpG, TmpSquare(1);
struct Query{
unsigned L, R, Num, BelongToBlocks;
inline const char operator <(const Query &x) { // 按左端点所在块排序
return (this->BelongToBlocks ^ x.BelongToBlocks) ? this->BelongToBlocks < x.BelongToBlocks : this->R < x.R;
}
}Q[50005];
inline unsigned GCD(register unsigned x, register unsigned y) {
register unsigned tmp;
while(y) tmp = x, x = y, y = tmp % y;
return x;
}
int main() {
n = RD(), m = RD();
BlockLen = (m ^ 0) ? (n / sqrt(m)) + 1 : sqrt(n) + 1;
for (register unsigned i(1); i <= n; ++i) {
a[i] = RD();
}
for (register unsigned i(1); i <= m; ++i) {
Q[i].L = RD(), Q[i].R = RD(), Q[i].Num = i, Q[i].BelongToBlocks = (Q[i].L + BlockLen - 1) / BlockLen;
}
sort(Q + 1, Q + m + 1);
Tmp0 = 0, Tmp1 = 1, Q[0].L = 1, Q[0].R = 1, Cnt[a[1]] = 1; // 初始化当前区间为 [1, 1]
for (register unsigned i(1); i <= m; ++i) {
if(Q[i].L == Q[i].R) { // 特判, 单点查询
Ans[Q[i].Num][0] = 0, Ans[Q[i].Num][1] = 1;
continue;
}
register unsigned Col, Len(Q[i].R - Q[i].L + 1);
while (Q[0].L > Q[i].L) { // 左端点左移
++Cnt[Col = a[--Q[0].L]];
TmpSquare += (Cnt[Col] << 1) - 1; // Cnt[Col] 增加, 维护方差, 下同
}
while (Q[0].R < Q[i].R) { // 右端点右移
++Cnt[Col = a[++Q[0].R]];
TmpSquare += (Cnt[Col] << 1) - 1;
}
while (Q[0].L < Q[i].L) { // 左端点右移
--Cnt[Col = a[Q[0].L++]];
TmpSquare -= (Cnt[Col] << 1) + 1;
}
while (Q[0].R > Q[i].R) { // 右端点左移
--Cnt[Col = a[Q[0].R--]];
TmpSquare -= (Cnt[Col] << 1) + 1;
}
Ans[Q[i].Num][0] = TmpSquare - Len;
Ans[Q[i].Num][1] = Len * Len - Len;
TmpG = GCD(Ans[Q[i].Num][0], Ans[Q[i].Num][1]);
Ans[Q[i].Num][0] /= TmpG;
Ans[Q[i].Num][1] /= TmpG;
}
for (register unsigned i(1); i <= m; ++i) {
printf("%u/%u\n", Ans[i][0], Ans[i][1]);
}
return Wild_Donkey;
}
标签：骗分,Cnt,frac,师莫队,复杂度,Len,sqrt,Col 来源： https://www.cnblogs.com/Wild-Donkey/p/14761881.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。