码迷,mamicode.com
首页 > 其他好文 > 详细

容斥(含min-max容斥)

时间:2020-09-17 14:14:31      阅读:33      评论:0      收藏:0      [点我收藏+]

标签:ann   lazy   lld   子集   host   滚动数组   har   printf   scan   

资料与前置知识

组合数学

博客:初探容斥原理 容斥的原理及广义应用

二项式定理

\[(a+b)^n=\sum_{i=0}^nC_n^ia^ib^{n-i} \]

二项式反演:

\[f[n] = \sum_{0 <= i <= n} {g[i] * c(n, i)} \]

\[g[n] = \sum_{0 <= i <= n} {f[i] * c(n, i) * (-1)^{n - i}} \]

具体见组合数学

容斥入门(小学奥数版)

容斥的基本思想:先不考虑重叠的情况,把包含于某内容中的所有对象的数目先计算出来,然后再把计数时重复计算的数目排斥出去,使得计算的结果既无遗漏又无重复

简单容斥:

\[A ∩ B = A + B - A ∪ B \]

\[A ∪ B = A + B - A ∩ B \]

\[∪_{i = 1}^{q}A_i = \sum A_i - \sum {A_i ∩ A_j} + ... + (-1)^{q + 1} ∩_{i = 1}^{q}A_i \]

\[∩_{i = 1}^{q}A_i = \sum A_i - \sum {A_i ∪ A_j} + ... + (-1)^{q + 1} ∪_{i = 1}^{q}A_i \]

这样,我们如果能够轻易知道A“并且”B的答案,就可以龟速地算出A“或者”B的答案;如果能够轻易知道A“或者”B的答案,就可以龟速地算出A“并且”B的答案

例题:

P2567 [SCOI2010]幸运数字

P1450 [HAOI2008]硬币购物

Jordan 筛法(几乎不用)

\(n\) 个集合中,选出恰好属于 \(m\) 个集合的元素个数:

\[M_n^m = \sum_{k=m}^q((-1)^{k-m}C_k^m\sum_{K~blong~to~Q,|K|=k}∩_{S∈K}S) \]

这涉及到了容斥的本质,见下图:(来源:qy学长的课件)

技术图片

其中字母表示元素/集合,\(AB\) 表示 \(A ∩ B\) 中不属于 \(C,D\) 的部分,即仅属于 \(A ∩ B\) 的部分。

这样, \(A ∩ B = AB + ABC + ABD + ABCD\)(类似一个DAG上的可达点)

由于是个DAG,可以根据 \(A ∩ B,A ∩ C,...\) 的值来反推 \(AB,AC,...\) 的值。由此,可以确定容斥系数。

递推方程:“恰好”(目标) = val[cur](递推系数) + 所有“前驱”的 val

(hard)容斥系数的确定

#2839. 集合计数

先放式子:

\[C_n^k(C_{n-k}^{0}* (2^{2^{n-k}}-1) - C_{n-k}^1* (2^{2^{n-k-1}}-1)+C_{n-k}^{2}* (2^{2^{n-k-2}}-1)... \]

首先我们将交集至少为 \(k\) 的方案数算出来,为:\(C_n^k * (2^{2^{n-k}}-1)\)(先确定 \(k\) 个数,再其它数随意)

针对我们钦定的 \(k\) 个数,发现多加了交集为大于等于 \(k + 1\) 的情况,先考虑 \(k + 1\):先选出多算的那 \(k + 1\) 个的情况是什么情况,即选出多算了哪一个数。然后其它数任选即可。这里看似一切正常。对应的式子为 \(- C_{n-k}^1* (2^{2^{n-k-1}}-1)\)

然后考虑交集大小为 \(k + 2\) 的情况:先选出多算的那两个数是哪两个数,然后考虑它已经被算了几次。\(k\) 的时候算了一次,两个多出来的数中每一个数都会被 \(k + 1\) 的时候减掉一次,这样它被算了 \(1 - C_2^1\) 次。看似毫无规律的样子...不过,经过化简,我们发现它被算了-1次,而它的目标系数为0,那么我们把它加一下就好了。这里已可以窥探出一些规律。对应的式子为 \(+C_{n-k}{2}* (2^{2^{n-k-2}}-1)\)

然后考虑交集大小为 \(k + 3\) 的情况:照常套路,但是我们要知道它已经被算了多少次。k的时候被加了一次,然后三个多出来的数中 每一个数 都会被 \(k + 1\) 减掉一次,然后 每两个数 都会被 \(k + 2\) 加上一次。注意到“每x个数”,我们想到了基础容斥的那种情况。换言之,它被算了 \(C_3^0 - C_3^1 + C_3^2\) 次。看它不爽,加上个 \(-C_3^3\),为 \(C_3^0 - C_3^1 + C_3^2 - C_3^3\),这玩意恰恰等于0(组合恒等式),并且0恰好为目标系数。那么只需加上个 \(-C_3^3\) 的容斥系数就好了。规律可见,是加是减取决于当前 \(k + x\) 中x的奇偶。因此得出上面的式子。

容斥基础 (雾)

(小热身)

有一个集合S,如果枚举它的每个子集,即:(其中 $sum[T] $ 表示集合T内元素值的和)

\[\sum_{T|S=S}{sum[T]} \]

那么每个元素的贡献为:(枚举含x的集合大小)

\[val[x]\sum_{i=1}^{|S|}{C(|S|-1, i-1)} \]

考虑每个元素的贡献时 min-max 容斥证明的常用思想。

min-max容斥:

min-max容斥

t为s的非空子集, \(min(s)\) 表示集合中元素最小值, \(max(s)\) 表示集合中元素最大值:

\[max(s)=\sum{min(t)* (-1)^{|t|+1}} \]

\[min(s)=\sum{max(t)* (-1)^{|t|+1}} \]

\(|s|=1\) 时很好理解;

\(|s|=2\) 时也很好理解:比如s={1, 5},那么 \(max(1, 5)=1+5-min(1,5)\)\(min(1, 5)=1+5-max(1, 5)\)

\(|s|=3\) 时或许也还行:比如s={2, 3, 5},那么

\[max(1, 3, 5)=1+3+5-min(1, 3)-min(3, 5)-min(1, 5)+min(1, 3, 5) \]

\[=1+3+5~ ~ ~-1-3-1~ ~ ~+1 \]

\[min(1, 3, 5)=1+3+5-max(1, 3)-max(3, 5)-max(1, 5)+max(1, 3, 5) \]

\[=1+3+5 ~ ~ ~ -3 - 5 - 5~ ~ ~ + 5 \]

\(|s|>3\) 时就要背结论了。


\(max(S)=\sum{min(T)* (-1)^{|T|+1}}\) 为例:

我们要求一个函数 \(f(x)\),使得:

\[max(S) = \sum{min(T)f(|T|)} \]

考虑每个数 (第 x + 1 大) 的贡献次数:

\[ismx(x)=\sum_{i=0}^{x}C(x,i)f(i+1) \]

二项式反演:

\[f(x+1)=\sum_{i=0}^{x}{C(x,i)ismx(i)(-1)^{x-i}} \]

由于 \(ismx(i)=[i==0]\),因此:

\[f(x+1)=C(x,0)(-1)^{x}=(-1)^x \]

\[f(x)=(-1)^{x-1} \]

所以

\[max(S) = \sum{min(T)(-1)^{|T|-1}} \]


对于期望min-max也同样适用,即:

\[E(max(s))=\sum{E(min(t))* (-1)^{|t|+1}} \]

\[E(min(s))=\sum{E(max(t))* (-1)^{|t|+1}} \]

其中

\(E(max(s))\) 表示 s 集合内随机变量(期望几次能出现某元素) 的最大值,即期望几次能取完 s 集合;

\(E(min(s))\) 表示 s 集合内随机变量(期望几次能出现某元素) 的最小值,即期望取几次能包含 s 的一部分,即第一次取到s集合中元素的期望次数

它的应用见下一道例题:

例题:P3175 [HAOI2015]按位或

题解 P3175 【[HAOI2015]按位或】

大概需要知道:

  • min-max定理

  • 若对于随机变量x:(k>0,k为整数)

\[P(x == k)= (1-p)^{k-1}p \]

则有:

\[E(x)=\sum_{i=1}^{inf}{iP(x==i)} \]

\[E(x)=p\sum_{i=1}^{inf}{i * (1-p)^{i-1}} \]

\[E(x)=\frac{1}{p} \]

最后一步等比数列乘等差数列 可以用错位相减法推出。

好像称之为:离散随机变量的几何分布(见题解)

因为 “某集合元素出现的期望最小值” 这个随机变量只能取正整数(尽管它的期望不是),因此是“离散随机变量”,可以套用这个公式。

  • FWT_or搞子集问题

Code:

read(n); All = (1 << n) - 1; limi = All + 1;
for (register int i = 0; i <= All; ++i) {
	scanf("%lf", &A[i]);
}
FWT_or(A);
init_ct();
double res = 0;
for (register int s = 1; s <= All; ++s) {
	if (F(1.0 - A[All ^ s]) <= eps)	failed(s);
	res += 1.0 / (1.0 - A[All - s]) * (ct[s] & 1 ? 1 : -1);
}
printf("%.12lf\n", res);

kthmin-max(扩展min-max)

先直接抛出结论:

\[kthmax(S)=\sum{min(T)~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}} \]

\[kthmin(S)=\sum{max(T)~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}} \]


证明

\(kthmax(S)=\sum{min(T)~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}}\) 为例:

我们要 求一个函数 \(f(x)\),使得:

\[kthmax(S) = \sum{min(T)f(|T|)} \]

考虑每个数 (第 \(x + 1\) 大) 的贡献次数:

\[iskthmx(x)=\sum_{i=0}^{x}C(x,i)f(i+1) \]

二项式反演:

\[f(x+1)=\sum_{i=0}^{x}{C(x,i)~* ~iskthmx(i)~* ~(-1)^{x-i}} \]

由于 \(iskthmx(i)=[i==k-1]\),因此:

\[f(x+1)=C(x,k-1)~* ~(-1)^{x-k-1} \]

\[f(x)=C(x-1,k-1)~* ~(-1)^{x-k} \]

所以

\[kthmax(S) = \sum{min(T)~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}} \]


记忆:你看T是大写的,那么就把 |T| 当作比 k 大的数,然后C(-1,-1)和 ^(|T|-k) (大雾)

  • 扩展min-max也可以用到期望中去,即:

\[E(kthmax(S))=\sum{E(min(T))~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}} \]

\[E(kthmin(S))=\sum{E(max(T))~* ~C(|T|-1,k-1)~* ~(-1)^{|T|-k}} \]

于是就有了下面的例题:

P4707 重返现世

每个单位时间,这片地域就会随机生成一种原料。每种原料被生成的概率是不同的,第 i 种原料被生成的概率是 \(\frac{p_i}{m}\) 如果 Yopilla 没有这种原料,那么就可以进行收集。

Yopilla 急于知道,他收集到任意 k 种原料的期望时间,答案对 998244353 取模。

\[1<=n<=1000,1<=k<=n,|n-k|<=10 \]

\[0<=p_i<=m,\sum p=m,1<=m<=10000 \]


题目要 求: \((n-k+1)thmax(All)\)

\(n-K+1\)\(K\) 来表示,此时 \(K <= 11\),套用期望kthmin-max公式:

\[E(Kthmax(S))=\sum{E(min(T))~* ~C(|T|-1,K-1)~* ~(-1)^{|T|-K}} \]

其中\(P(min(T))=\frac{\sum p_t}{m}\),每次只选一个,因此\(E(min(T))=\frac{1}{P(min(T))}=\frac{m}{\sum{p_t}}\),(其中 \(p_t\)\(T\) 中元素 \(t\) 的概率)。

发现 \(n,m,K\) 很小,可以考虑以这些为状态做dp。

\(f[i][k][j]\) 表示只考虑前 i 个,的 \(E(kthmax(S_i))\) 的式子中的\(E(min(T))=\frac{m}{\sum{p_t}}=\frac{m}{j}\) 时的 \(C(|T|-1,k-1)~* ~(-1)^{|T|-k}\)的值(因为这样同分母,好算好转移)。

这样,最终答案为:\(\sum_{j=1}^{m} ({\frac{m}{j}~* ~f[n][K][j]})\)

考虑转移。

如果第i个元素不加入所谓 \(T\) 集合中,那么继承前 \(i-1\)个:\(f[i][k][j] = f[i - 1][k][j]\)

剩下考虑第 \(i\) 个元素加入所谓 \(T\) 集合中:

发现 \(f[i][k][j]\) 只能从 \(f[i-1][?][j-p_i]\) 中转移而来。我们再看一下式子:

\[E(Kthmax(S))=\sum{E(min(T))~* ~C(|T|-1,K-1)~* ~(-1)^{|T|-K}} \]

如果加上个 \(i\) ,那么就变成了:

\[E(Kthmax(S))=\sum{E(min(T))~* ~C(|T|-1 + 1,K-1)~* ~(-1)^{|T| + 1-K}} \]

\(-1\) 的指数加1还好,只是正负变一下,但组合数变一下就不大妙了。但我们根据杨辉三角(或许是),即 \(C(n, m) = C(n - 1, m - 1) + C(n - 1, m)\) ,这样就可以拆掉了。

\[\sum{E(min(T))~* ~(C(|T|-1,k - 1) + C(|T|-1,k-2))~* ~(-1)^{|T| + 1-k}} \]

\[=\sum{E(min(T))~* ~C(|T|-1,k - 1)~* ~(-1)^{|T| + 1-k}} \]

\[+ \sum{E(min(T))~* ~C(|T|-1,k - 2)~* ~(-1)^{|T|-k}} \]

\[=-f[i-1][k][j-p_t]+f[i-1][k-1][j-p_t] \]

总递推式为:

\[f[i][k][j]=f[i-1][k][j]-f[i-1][k][j-p_t]+f[i-1][k-1][j-p_t] \]

发现复杂度可行。第一维可以滚动数组优化,也可以用类似背包一样的做法优化。

最后说一下边界:\(f[0][0][0] = 0; for (k:1->m) f[0][k][0]=-1\) 至今未想通。。。

(思维量与代码量不成正比)

\(Code:\)

for (register int i = 1; i <= K; ++i)	f[i][0] = -1;
for (register int i = 1; i <= n; ++i) {
	for (register int j = m; j >= p[i]; --j) {
		for (register int k = K; k; --k) {
			f[k][j] = (f[k][j] + f[k - 1][j - p[i]] - f[k][j - p[i]]) % P;
			if (f[k][j] < 0)	f[k][j] += P;
		}
	}
}
ll ans = 0;
for (register int j = 1; j <= m; ++j) {
	ans = (ans + f[K][j] * quickpow(j, P - 2)) % P;
}
printf("%lld\n", ans * m % P);

Continued...

容斥(含min-max容斥)

标签:ann   lazy   lld   子集   host   滚动数组   har   printf   scan   

原文地址:https://www.cnblogs.com/JiaZP/p/13618580.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!