zoukankan      html  css  js  c++  java
  • [BJOI2011]禁忌 --- AC自动机 + 矩阵优化 + 期望

    bzoj 2553 [BJOI2011]禁忌

    题目描述:

    Magic Land上的人们总是提起那个传说:他们的祖先John在那个东方岛屿帮助Koishi与其姐姐Satori最终战平。而后,Koishi恢复了读心的能力……      

    如今,在John已经成为传说的时代,再次造访那座岛屿的人们却发现Koishi遇到了新麻烦。

    这次她遇到了Flandre Scarlet——她拥有可以使用禁忌魔法而不会受到伤害的能力。

    为了说明什么是禁忌魔法及其伤害,引入以下概念:

    1.字母集A上的每个非空字符串对应了一个魔法。

    其中A是包含了前alphabet个小写字母的集合。

    2.有一个集合T,包含了N个字母集A上的字符串

    T中的每一串称为一个禁忌串(Taboo string

    3.一个魔法,或等价地,其对应的串s因为包含禁忌而对使用者造成的伤害按以下方式确定:

    s分割成若干段,考虑其中是禁忌串的段的数目,不同的分割可能会有不同的数目,其最大值就是这个伤害。      

    由于拥有了读心的能力,Koishi总是随机地使用Flandre Scarlet的魔法,可以确定的是,她的魔法正好对应字母集A上所有长度为len的串

    但是,Flandre Scarlet所使用的一些魔法是带有禁忌的,由于其自身特性,她可以使用禁忌魔法而不受到伤害,而Koishi就不同了。

    可怜的Koishi每一次使用对方的魔法都面临着受到禁忌伤害的威胁。

    你现在需要计算的是如果Koishi使用对方的每一个魔法的概率是均等的,那么每一次随机使用魔法所受到的禁忌伤害的期望值是多少。

    输入格式:

    第一行包含三个正整数Nlenalphabet

    接下来N行,每行包含一个串Ti,表示禁忌串。

    输出格式:

    一个非负实数,表示所受到禁忌伤害的期望值。

    数据范围:

    100%的数据中N ≤ 5len ≤1091 ≤ alphabet ≤ 26

    在所有数据中,有不少于40%的数据中:N = 1

    数据保证每个串Ti的长度不超过15,并且不是空串。

    数据保证每个Ti均仅含有前alphabet个小写字母。

    数据保证集合T中没有相同的元素,即对任意不同的ij,有TiTj

    评分方法:

    对于每一组数据,如果没有得到正确的输出(TLE、MLE、RTE、输出格式错误等)得0分。

    否则:设你的输出是YourAns,标准输出是StdAns

    MaxEPS = max(1.0 , StdAns)×10-6

    如果|YourAns – StdAns| ≤ MaxEPS则得10分,否则得0分。

    即:你的答案需要保证相对误差或绝对误差不超过10-6

    (不开 long double 不让过)

    AC自动机最后一题。

    (2011年的题比2017年的题难。。。)

    先考虑一个字符串构成的权值。

    一个字符串构成的权值??

    动态规划??不好统计。

    贪心??仿佛是。

    怎么贪?

    建成AC自动机,只要匹配到就返回根继续匹配。

    为什么没有更优?

    当我们优先选择在最前面,最短的那个可以匹配上的禁忌串时,后面的禁忌串是不可能出现的。

    或者说,如果匹配串中的子串([l,r])同时被多个串覆盖,那么,它要么被最前面的串匹配掉,要么被更前面的串匹配掉。

    所以自然地最优。

    知道了权值怎么来的,自然还要知道怎么统计。

    设状态(dp(i,j))表示长度为i, 状态为j的期望权值。

    那么考虑转移造成的贡献,如果是禁忌串的结尾,那么就可以获得 (1/alphabet)的期望。

    否则就转移吧。

    注意到(L)非常大,需要矩阵优化。

    转移矩阵怎么构造?

    (sum)(老状态期望 * P(老状态 ---> 新状态))= 新状态期望

    因此,不难想到设(a(i,j))表示由(i)状态转移到(j)状态的概率来转移。

    (a(i,j))是可以预处理的。

    完了吗?

    并没有。

    我们并没有办法得出最终的答案。

    在矩阵中,(a(root,...))已经被我们用来算概率了,它失去了统计期望的本事。

    因此,我们需要一个专门来统计答案的点:(daan)

    用(daan)来统计期望。

    (daan)在图中的定义是什么?

    每个点匹配到了禁忌串要返回根,先走过(daan)来统计答案。

    ((daan)是(root)的统计答案的替代品)

    (daan)在矩阵中有什么用?

    注意到(a(i,daan)=E(now)+a(i,daan)*a(daan,daan))

    ((E(now))其实也是用(daan)来统计期望)

    这是什么?

    如果设(a(daan,daan)=1),我们可以发现这就是(i)走到(daan)的期望

    (期望的线性性质,(i)走(x)步到(daan)的期望=(E(i,x-1)+E(i,x-2)+E(i,x-3)+...+E(i,0)))

    那么,现在(a(i,daan))表示从(i)走x步到一个禁忌串的期望

    因此,(a(root,daan))就是每次的期望(根走(x)步走到禁忌串的期望)

    所以,我们既能让根节点正常地参与概率转移矩阵的运算,又能统计答案。

    (daan)相当于一个矩阵中的计数器

    何乐而不为?

     

    总结:

    将AC自动机,贪心,概率和矩阵有机的结合,综合性特别强的一道题。

    转移矩阵可谓独特,将过程量和答案量一起转移,令人惊叹。

    好题。

    附:

    精度极其恶心,如果不在代码中强调精度,long double都可能WA

    代码在此

  • 相关阅读:
    android 解密工具
    android打包需要的图标
    Mac 创建软链接
    历届试题 Excel地址
    算法训练 字串统计
    最长回文子串
    算法提高 P1001【大数乘法】
    算法提高 拿糖果【埃氏筛 动态规划】
    算法训练 未名湖边的烦恼
    算法提高 合并石子【动态规划】
  • 原文地址:https://www.cnblogs.com/reverymoon/p/8887572.html
Copyright © 2011-2022 走看看