ABC 357 G Stair-like Grid

link

其实是我之前写的一篇博客的推广
大意:
一个阶梯型,第 i i i行有 ⌈ i / 2 ⌉ ∗ 2 \left \lceil i/2 \right \rceil*2 i/22个方块,总共有n行。在其中给定 m m m个点无法经过,求从左上角到右下角的方案数。其中每次移动只能向右或向下
N ≤ 2.5 e 5 , M ≤ 50 N\leq 2.5e5,M\leq 50 N2.5e5,M50
在这里插入图片描述

思路:
一个比较显然的思路是把原图还原为 n × n n\times n n×n的矩阵,然后再添加 n − 2 n-2 n2个障碍 ( i , ⌈ i / 2 ⌉ ∗ 2 + 1 ) (i,\left \lceil i/2 \right \rceil*2+1) (i,i/22+1),这样就还原成了经典模型,可以直接用容斥来做。
还是将障碍按横纵坐标排个序,同时不妨将终点也放入 S S S中,显然排序后它会是最后一个点
S S S表示障碍的集合, d p i dp_i dpi表示从起点到第i个障碍,中间不经过其它障碍的方案数, w i w_i wi表示S中的第i个障碍, g ( ⋅ ) g(\cdot) g()表示两点之间的所有最短路的方案数(不考虑中间是否经过障碍)
不难得到一个非常naive的式子:
d p i = g ( ( 1 , 1 ) , w i ) − ∑ j < i g ( j , i ) d p j a n s = d p ∣ S ∣ + 1 dp_i=g((1,1),w_i)-\sum_{j<i}g(j,i)dp_j\\ ans = dp_{|S|+1} dpi=g((1,1),wi)j<ig(j,i)dpjans=dpS+1
但是这样做的时间复杂度是 O ( ( n + m ) 2 O((n+m)^2 O((n+m)2,尝试优化

首先对式子换一个好看点的形式:
f i = d p i f_i=dp_i fi=dpi,有
f i = − ( g ( ( 1 , 1 ) , w i ) − ∑ j < i g ( j , i ) d p j ) = − g ( ( 1 , 1 ) , w i ) − ∑ j < i g ( j , i ) f j = ∑ j = 0 i − 1 g ( w j , w i ) f j f_i=-(g((1,1),w_i)-\sum_{j<i}g(j,i)dp_j)=-g((1,1),w_i)-\sum_{j<i}g(j,i)f_j =\sum_{j=0}^{i-1}g(w_j,w_i)f_j fi=(g((1,1),wi)j<ig(j,i)dpj)=g((1,1),wi)j<ig(j,i)fj=j=0i1g(wj,wi)fj
这里我们把起点也加入了 S S S中,并令它为第0个点(显然合理)
从而
f i = ∑ j = 0 i − 1 g ( w j , w i ) f j , 0 ≤ i ≤ ∣ S ∣ + 1 a n s = − f ∣ S ∣ + 1 f_i=\sum_{j=0}^{i-1}g(w_j,w_i)f_j,0\leq i\leq |S|+1\\ ans=-f_{|S|+1} fi=j=0i1g(wj,wi)fj,0iS+1ans=fS+1

注意到障碍总共可以分为两类:

  • 题目里原本就在的,数量为O(M)
  • 我们新加的,数量为O(N)

而M其实并不大,第一类的点最多带来 O ( M ( N + M ) ) O(M(N+M)) O(M(N+M))的复杂度,这部分我们可以直接暴力。此时我们需要优化的部分就是后者内部的 O ( N × N ) O(N\times N) O(N×N)的复杂度
对第二类点换一种记法:
w i , 1 = ( 2 i − 1 , 2 i + 1 ) w i , 2 = ( 2 i , 2 i + 1 ) w_{i,1}=(2i-1,2i+1)\\ w_{i,2}=(2i,2i+1) wi,1=(2i1,2i+1)wi,2=(2i,2i+1)
我们先假设第一类点的贡献已经统计完了( w i , 1 , w i , 2 w_{i,1},w_{i,2} wi,1,wi,2之间的贡献也可以在这里算好,复杂度 O ( N ) O(N) O(N)),那么此时
f i , 1 = f i , 1 − ∑ j < i f j , 1 g ( w j , 1 , w i , 1 ) + f j , 2 g ( w j , 2 , w i , 1 ) f i , 2 = f i , 2 − ∑ j < i f j , 1 g ( w j , 1 , w i , 2 ) + f j , 2 g ( w j , 2 , w i , 2 ) f_{i,1} =f_{i,1}- \sum_{j<i}f_{j,1}g(w_{j,1},w_{i,1})+f_{j,2}g(w_{j,2},w_{i,1})\\ f_{i,2} =f_{i,2}- \sum_{j<i}f_{j,1}g(w_{j,1},w_{i,2})+f_{j,2}g(w_{j,2},w_{i,2})\\ fi,1=fi,1j<ifj,1g(wj,1,wi,1)+fj,2g(wj,2,wi,1)fi,2=fi,2j<ifj,1g(wj,1,wi,2)+fj,2g(wj,2,wi,2)
注意到这里 g ( ⋅ ) g(\cdot) g()的含义其实非常好求,因为它不需要考虑中间经过的点的类型,我们把它写出来
g ( w j , 2 , w i , 1 ) = ( 4 ( i − j ) − 1 2 ( i − j ) ) g ( w j , 1 , w i , 1 ) = g ( w j , 2 , w i , 2 ) = ( 4 ( i − j ) 2 ( i − j ) ) g ( w j , 1 , w i , 2 ) = ( 4 ( i − j ) + 1 2 ( i − j ) ) g(w_{j,2},w_{i,1}) = \binom{4(i-j)-1}{2(i-j)}\\ g(w_{j,1},w_{i,1}) = g(w_{j,2},w_{i,2})= \binom{4(i-j)}{2(i-j)}\\ g(w_{j,1},w_{i,2}) = \binom{4(i-j)+1}{2(i-j)} g(wj,2,wi,1)=(2(ij)4(ij)1)g(wj,1,wi,1)=g(wj,2,wi,2)=(2(ij)4(ij))g(wj,1,wi,2)=(2(ij)4(ij)+1)
不难发现它们其实都可以表示成 ( i − j ) (i-j) (ij)的函数,那么显然上述式子就可以用fft来优化了,从而这部分的时间复杂度来到了 O ( N l o g 2 N ) O(Nlog^2N) O(Nlog2N)
所以总体复杂度为 O ( M ( N + M ) + N l o g 2 N ) O(M(N+M)+Nlog^2N) O(M(N+M)+Nlog2N)
over
(退役口胡选手不想敲代码…

那么理论上这种题目也是可以推广的,任意形状的阶梯型我们都可以用同样的复杂度来求解,哪怕有多条边有阶梯形也没有关系(只要中间没有洞)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/25075.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

wps:基本使用【笔记】

wps&#xff1a;基本使用【笔记】 前言版权推荐wps&#xff1a;基本使用如何去除复制文本的样式显示空格、换行、分节符快捷键设置字体添加章节添加奇数页分节符设置页边距设置页眉页脚设置页码 最后 前言 2024-6-5 23:10:12 以下内容源自《【笔记】》 仅供学习交流使用 版权…

(二)JSX基础

什么是JSX 概念&#xff1a;JSX是JavaScript和XML&#xff08;HTML&#xff09;的缩写&#xff0c;表示在JS代码中编写HTML模版结构&#xff0c;它是React中编写UI模板的方式。 优势&#xff1a;1.HTML的声明式模版方法&#xff1b;2.JS的可编程能力 JSX的本质 JSX并不是标准…

webapi跨越问题

由于浏览器存在同源策略&#xff0c;为了防止 钓鱼问题&#xff0c;浏览器直接请求才不会有跨越的问题 浏览器要求JavaScript或Cookie只能访问同域下的内容 浏览器也是一个应用程序&#xff0c;有很多限制&#xff0c;不能访问和使用电脑信息&#xff08;获取cpu、硬盘等&#…

LeetCode 26删除有序数组中的重复项

去重题&#xff0c;双指针&#xff0c;&#xff0c;因为题干说原地删除&#xff0c;且nums其余元素不重要。一个cur记录当前不重复的数应该插在第几位了&#xff0c;for循环里的i相当于是第二个指针&#xff08;右指针&#xff09;&#xff0c;遍历数组来找不重复的元素 class …

C#发送邮件的SMTP配置方法?如何群发邮件?

C#发送邮件安全性如何保障&#xff1f;C#怎么配置实现发送邮件&#xff1f; 在C#开发中&#xff0c;发送电子邮件是一个常见的需求。无论是用于注册确认、密码重置还是其他通知功能&#xff0c;SMTP&#xff08;简单邮件传输协议&#xff09;都是实现这一功能的关键。下面&…

Shell脚本学习_内置命令

目录 1.内置命令介绍&#xff1a; 2.Shell内置命令&#xff1a;alias设置别名 3.Shell内置命令&#xff1a;echo输出字符串 4.Shell内置命令&#xff1a;read读取控制台输入 5.Shell内置命令&#xff1a;exit退出 6.Shell内置命令&#xff1a;declare设置变量 1.内置命令…

kali2022安装教程(附安装包)

第一步&#xff1a;下载镜像文件 百度网盘下载https://pan.baidu.com/s/1efRQGFTbq6Kgw9axLOmWzg?pwdemxf 第二步&#xff1a;打开Vmware 第三步&#xff1a;进行各项配置 创建新的虚拟机&#xff0c;选择高级&#xff0c;然后下一步 直接默认下一步 选择稍后安装然后下…

设计软件有哪些?效果工具篇(3),渲染100邀请码1a12

这次我们再介绍一批渲染效果和后期处理的工具。 1、ColorCorrect ColorCorrect是一种图像处理技术&#xff0c;用于调整图像的色彩和对比度&#xff0c;使其更加自然和平衡。通过ColorCorrect&#xff0c;用户可以调整图像的色调、亮度、饱和度等参数&#xff0c;以达到理想的效…

kube-promethesu调整coredns监控

K8s集群版本是二进制部署的1.20.4&#xff0c;kube-prometheus对应选择的版本是kube-prometheus-0.8.0 Coredns是在安装集群的时候部署的&#xff0c;采用的也是该版本的官方文档&#xff0c;kube-prometheus中也有coredns的监控配置信息&#xff0c;但是在prometheus的监控页…

kivy 百词斩项目 报错

AttributeError: FigureCanvasKivyAgg object has no attribute resize_event AttributeError: FigureCanvasKivyAgg object has no attribute resize_event 是一种常见的Python错误&#xff0c;当你试图访问一个对象&#xff08;在这个例子中是 FigureCanvasKivyAgg 对象&am…

二次规划问题(Quadratic Programming, QP)原理例子

二次规划(Quadratic Programming, QP) 二次规划(Quadratic Programming, QP)是优化问题中的一个重要类别,它涉及目标函数为二次函数并且线性约束条件的优化问题。二次规划在控制系统、金融优化、机器学习等领域有广泛应用。下面详细介绍二次规划问题的原理和求解过程 二…

物联网实战--平台篇之(十四)物模型(用户端)

目录 一、底层数据解析 二、物模型后端 三、物模型前端 四、数据下行 本项目的交流QQ群:701889554 物联网实战--入门篇https://blog.csdn.net/ypp240124016/category_12609773.html 物联网实战--驱动篇https://blog.csdn.net/ypp240124016/category_12631333.html 物联网…

MATLAB数学建模——数据拟合

文章目录 一、简介二、多项式拟合&#xff08;一&#xff09;指令介绍&#xff08;二&#xff09;代码 三、指定函数拟合&#xff08;一&#xff09;指令介绍&#xff08;二&#xff09;代码 一、简介 曲线拟合也叫曲线逼近&#xff0c;主要要求拟合的曲线能合理反映数据的基本…

如何有效释放Docker占用的存储空间

随着Docker的广泛应用&#xff0c;我们经常会遇到Docker占用过多存储空间的问题。这可能是由于频繁的镜像拉取、容器创建和删除等操作导致的。本文将介绍几种方法来有效释放Docker占用的存储空间&#xff0c;特别是docker system prune命令的使用。 Docker的存储机制 Docker使…

Linux 36.3 + JetPack v6.0@jetson-inference之目标检测

Linux 36.3 JetPack v6.0jetson-inference之目标检测 1. 源由2. detectnet2.1 命令选项2.2 下载模型2.3 操作示例2.3.1 单张照片2.3.2 多张照片2.3.3 视频 3. 代码3.1 Python3.2 C 4. 参考资料 1. 源由 从应用角度来说&#xff0c;目标检测是计算机视觉里面第二个重要环节。之…

开源项目学习——vnote

一、介绍 vnote是一款免费且开源的markdown编辑器&#xff0c;用C开发&#xff0c;基于Qt框架&#xff0c;windows/linux/mac都能用。 二、编译 $ git clone --recursive https://github.com/vnotex/vnote.git $ cd vnote && mkdir build $ cd build $ cmake ../ $ …

鲜为人知的英伟达创始人:早早退出,身价不如黄仁勋零头

内容提要 普里姆因为婚姻纠纷等个人生活的干扰无法专注在工作上&#xff0c;在成立公司的10年后&#xff0c;也就是2003年宣布退休离开英伟达&#xff0c;并在2006年出售剩余的所有英伟达股份&#xff0c;过上不与外界联系、离群索居的生活&#xff0c;在家中鼓捣着如何“拯救…

UML交互图-协作图

概述 协作图和序列图都表示出了对象间的交互作用&#xff0c;但是它们侧重点不同。序列图清楚地表示了交互作用中的时间顺序&#xff0c;但没有明确表示对象间的关系。协作图则清楚地表示了对象间的关系&#xff0c;但时间顺序必须从顺序号获得。序列图常常用于表示方案&#…

【云原生】基于windows环境搭建Docker

目录 一、Docker Desktop搭建 二、前置准备 2.1开启 Hyper-V 2.2 Hyper-V选项看不到问题解决 2.3 开启或升级wsl 三、安装过程 3.1 下载安装包 3.2 安装 Docker Desktop 3.2.1 Docker 图标一直处于starting状态问题解决 3.3 配置仓库与镜像 3.4 docker功能测试 四、…

HSC Mailinspector loader.php 任意文件读取漏洞复现(CVE-2024-34470)

0x01 产品简介 HSC Mailinspector是一款远程电子邮件检查工具&#xff0c;支持POP3/IMAP4协议。它允许用户远程扫描最新邮件&#xff0c;并进行浏览、垃圾邮件排除、编辑、删除等操作&#xff0c;无需实际登录邮箱。 0x02 漏洞概述 由于HSC Mailinspector /public/loader.ph…