本文详述了算法竞赛中的数据结构与算法，涵盖了动态规划、树、图、网络流、数论等多个核心主题。动态规划部分包括线性、树形、状压、数位和概率DP；树的讨论点包括堆、AC自动机、最近公共祖先与区间极值、线段树等；图论部分包含最短路、最小生成树、拓扑序等经典算法。此外，还介绍了网络流的几种算法和数论中的矩阵运算、欧拉函数等概念。虽然文章提及了许多未完成的内容，但它为深入理解算法竞赛提供了宝贵的资源。
其实是一个咕了很多东西的blog
文章目录
动态规划-Undone
线性DP
树形DP
状压DP
数位DP
概率DP
树
堆 - heap
这个专题主要掌握二叉堆和左偏树。一般二叉堆可以满足很多题目要求，仅当需要合并的时候才使用左偏树。
AC自动机 - AC automaton
Goal 这个专题主要掌握普通的Hash(或stl::map)，KMP算法与AC自动机。AC自动机是一个很多变的数据结构，本质是Trie，但是可以根据fail数组和next数组将其转化成一张图。重点是弄懂其fail数组与next数组的工作原理，于是图加上完整的边后就能与DP（注意若状态转移长度只能保留其后缀长度），矩阵快速幂（dijkstra的思想），图论（强连通分量），概率（掷骰子出现某个数字串的概率）。
Hint 出现多个字符串就可以往AC自动机上套。
others BM算法(后缀匹配)，扩展KMP算法(任意后缀的前缀数组)，RK算法(基于字符串Hash),manacher算法(回文字符串匹配)
最近公共祖先 & 区间极值 - LCA & RMQ
Goal 知道LCA转RMQ==（欧拉序），知道ST表与ST树（线段树）==的应用。
RMQ的两种实现方法：ST树（重修改）和ST表（重查询）。
LCA的两种实现方法：寻找最深公共根路径节点（对应倍增与并查集，重单次查询多次修改）和寻找最浅最短路径节点（对应Tarjan算法，重多次查询）。
线段树 & 树状数组
维护一段区间内的DP值。
线段树的应用，注意基本操作之间的差异。
-
拆分与合并信息。新增维护的量，考虑边界与否。
-
一般来说虽然线段树常数大，但是用来处理修改和查询的结合的题目比较直观。
-
RMQ问题只能用线段树。
树状数组的应用，注意下标与键值的意义。
-
可以用于查询第k小和逆序对。
-
树状数组更容易提高维度。
树链剖分
重链剖分：选取子树最大的节点作为重链，维护DFS序使其链上节点序号连续，且子树序号亦连续。用线段树维护子树与区间修查。
平衡树
技巧：splay和treap都是灵活性高的数据结构，可以根据题意来设置操作。
treap
- split有两种，按照节点键值和子树大小。
- merge可以直接返回L或R（方便些），也可以传引用。
- delete注意只删一个，而无旋treap不支持count，所以把v都提出来，去掉一个，再合并。
- rotate传参一般传引用，多画图。
查询rank，K-th，pre，sur注意边界，键值等于v的点在哪个子树。 - reverse推标记，把左右儿子换一下就行。
- pushdown操作在所有要改变树形态的操作前，pushup在之后。
splay
-
splay一般是
(x,y)，将x移到y的下方，也有直接移到root。 -
rotate更新关系注意gfa存在与否，这一点在LCT里很重要。
-
ins & del这个就可以count了。记得ins后要splay。
-
pre & sursplay到根，然后while到底。
-
reverse 转到左子树的右子树，打标记。
分治
点分治是处理树上有权路径问题的算法。
点分治和树形DP？其实点分治一部分可以转化为树形DP，点分治重找重心本身也是树形DP。
主要流程（递归）：找重心 > 处理子树节点 > 对子树根节点进行计算 > 根据容斥原理删去子树答案 & 找重心
动态树 - LCT
LCT是以Splay 为实现基础的，本质是森林，但splay跟平常的不一样，pushdown操作也需要注意，即关于reverse的处理。
其中涉及两个点操作的都需要 a c c e s s + s p l a y access + splay access+splay。
尤其要注意实边和虚边的处理。还是不太懂
基本操作很多，但是理解为主，代码量很小。
数据结构技巧
图
图的生成树
最短路算法（单元/多元）
- Floyd：利用动态规划( D y n a m i c P r o g r a m m i n g Dynamic\ Programming Dynamic Programming)进行设计，经常利用k层循环的本质出题。
- Dijkstra：利用贪心算法( G r e e d y A l g o r i t h m Greedy\ Algorithm Greedy Algorithm)进行设计，每次选出距离起点最近的点进行Relax，因为只顾及已知距离，无法处理负边权。
- SPFA：利用动态规划( D y n a m i c P r o g r a m m i n g Dynamic\ Programming Dynamic Programming)进行设计，将队列里的节点进行Relax，并将短于最佳答案的入队。如果存在负环，则一定有环上的点被Relax两次。求最长路，可以将边权取负。
- Johnson：将负边权变成正的，然后根据公式进行n次Dijkstra。Dijkstra的推广算法。
最小生成树
最小权重生成树的简称，使所有边权和最小。
- Prim：类似Dij的贪心的Relax方式。感觉用处不大。
- Kruskal：贪心选择边权小的边，用并查集维护两点是否连通。
-
E x α Ex\ \alpha Ex α：增量最小生成树：每加入一条有权边输出当前一次最小生成树。根据回路的性质，只需删除新环中权值最大的边。
-
E x β Ex\ \beta Ex β：次小生成树：同上，枚举新环，得到一个删除后使得权值和之差最小。
-
E x γ Ex\ \gamma Ex γ：最小生成树计数：生成最小生成树，得到每种权值的边使用的数量x，然后对于每一种权值的边搜索，得出每一种权值的边选择方案，然后乘法原理。
-
E x δ Ex\ \delta Ex δ最小瓶颈路径：使路上最大边权最小。用Kruskal生成最小瓶颈生成树，树上任意路径 E ( u , v ) E(u,v) E(u,v)都是 ( u , v ) (u,v) (u,v)的最小瓶颈路径。
-
E x ϵ Ex\ \epsilon Ex ϵ：最舒适路径：是路上最大边权 − - −路上最小边权最小。
逆向思维：枚举最小边，尺取法，二分答案。并查集维护连通性。
-
E x ζ Ex\ \zeta Ex ζ：多次询问 ( u , v ) (u,v) (u,v)最大瓶颈路上的最小边权。
即在最大瓶颈树上寻找最小边，使用倍增LCA。
-
E x η Ex\ \eta Ex η：最小乘积生成树：Undone
-
E x θ Ex\ \theta Ex θ：To be continue ⇒ \Rightarrow ⇒
拓扑序
拓扑排序后任意点满足连向其的点在其前，其连向的点在其后。
这样有利于DP转移，是DAG-DP的基本顺序，也可以判环，求割点，其实都是维护点转移的顺序。
- E x α Ex\ \alpha Ex α：拓扑序不唯一，但是求字典序最小的拓扑序列的时候，可以考虑从出度倒推。
欧拉回路
从任意点出发，每条边只经过一次回到该点，则我们称这张图存在欧拉回路。（一笔画问题）
充要条件：无向图任意点的所有度数为偶数，有向图任意点的入度和出度相同。
差分约束
给出形如 x − y < = b x-y<=b x−y<=b的不等式，求问题的解。转化为 ( y , x ) = b (y,x)=b (y,x)=b，然后跑最短路，无解说明有负环，应该考虑算法。通过代数问题转化为差分约束。
K短路
由最短路的扩展我们知道一个点入队多少次，就得到第几短的路径。设计一个A*进行Spfa。估价函数：反向边跑终点单源最短路。
2-SAT的匹配
引入交替路和增广路的概念。匈牙利算法即不断寻找增广路来更新交替路的过程。有点像网络流。不太懂。
最小环的计算-Undone
图的连通性
强连通分量
tarjan
可以生成一颗dfs/bfs树，并且很有性质。以下四个定义皆使用此树解。
如图，黑色为树边，蓝色为前向边，红色为返祖边，绿色为横叉边。
kosaraju
是根据强连通分量独特性质：顺逆皆可到达分量内任意一点，用图和反图来设计的算法。
以下定义仅针对无向图。
割点
感性理解即去掉后连通块数量增加。可根据拓扑序结合乘法原理来判断。是否有边跨过是唯一判断标准，那么只要有一个孩子满足dfn[u]<=low[v]即可。
桥
即割边。定义同理。比点简单，如果E(u,v)满足dfn[u]<low[v]即可。
双连通分量
删除点或边仍连通的图或分量称为对应的双连通分量。没有横叉边，前向边与返祖边统称跨越边。
双点连通分量
利用栈。儿子满足没有跨越边的子树即为一个点双，包括自己在内。
双边连通分量
删除割边，其他都是边双连通分量。
二分图-Undone
2-SAT
最大匹配——匈牙利算法
网络流
最大流与最小费用最大流
最大流与最小费用最大流，是网络流最基础的两种模型。
FF
单路增广。DFS寻找一条路径并记录前驱，找到路径后再回溯处理边权。 O ( V E 2 ) O(VE^2) O(VE2)
EK
单路增广。每次使用BFS寻找一条路径并记录前驱，找到路径后再回溯处理边权。 O ( V E 2 ) O(VE^2) O(VE2)
Dinic
多路增广。预处理优化访问次数。每次计算多条路径，并同时处理边流，减少了运行次数。 O ( V 2 E ) O(V^2E) O(V2E)
SAP
没用过。据说Gap优化后飞起。
求最小费用最大流时使用Spfa保证是最短路径。
Q 为什么会有最小费用最大流？
1️⃣当一个图有很多路径供选择的时候，自然会产生更优的路径阶级分化。
2️⃣当一个图需要求最短路并且有后效性的时候，最短路或DP不适用。
最大流及其变式
最大流，最小割，最小覆盖集，最大独立集等。由二分图引入，均可使用最大流的模型求解。
有上下界的网络流
入题
▶️ 提取题目信息。
点：题目描述的对象，平面图中的点，时间点段等。
边：对象之间的关系，平面图中的边，时间推移等。
▶️ 思考一条路径的意义。
判断是否可以建模。如最大流使得一条路径为所求，最小割则不可以存在路径连通S-T，等等，按照题目抽象出来的本质思考。有了路径，就可以很快确定点和边的含义。
解题
拆点
⬛️ 将入度和出度独立处理，通常和floyd一起使用。
⬛️ 限流，即每个点经过的次数。点的限制转化为边的限制。
⬛️ 时间推移导致点信息的变化和转移。
边
主要是设计边的流量和费用。一些非常规操作：
1. 点的经过次数（次数即流量）。
2. 流量为inf保证不参与决策，仅起到连接作用。
其他
⚫️ 二分答案，在跑到给定流的情况下求限制值的极值。
⚫️ 无序化有，定义序关系以适应网络流模型中的有向边。
⚫️ 零一点集，源集汇集则分别为01点集，源集内的点即为选择的点。
⚫️ 满流问题，入度=出度，应用于欧拉判环或者平衡问题。
数论
矩阵相关
矩阵运算
普通运算一次为 O ( N 3 ) O(N^3) O(N3)的复杂度， C [ i ] [ j ] = Σ i = 1 n a [ i ] [ k ] × b [ k ] [ j ] C[i][j]=\Sigma^{n}_{i=1}a[i][k]\times b[k][j] C[i][j]=
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
