ZCETHAN の Tricks

用来记录一些不属于正统算法，但是是一些常见的经典套路的技巧。科技？

记录的东西会有点 naive。

以及一些简单的结论。（但是看起来简单，用起来惊为天人）

分块时间换空间#

牛了，常见套路，一般用分块来用时间换空间。

求一个可修改序列中 $[l,r]$ 区间内不连续取 $3$ 个数的所取的数最大和是多少。
$n\le 1.2\times 10^6$，$m\le 2^{18}+5$。
时间限制：2s
空间限制：32MB

如果是朴素的 dp，大家都会。
如果我们考虑修改和区间询问，那么大家都会 DDP。

但是发现空间完全开不下。
空间：int 开 8 个 1e6 的数组，long long 开 4 个。

这时候，对原数列分块，然后块间建线段树，然后块内暴力构造矩阵和求解。虽然会慢一点，但是最终空间是够的，时间也能过去。

Code

前缀优化建图#

一种优化时空的建图方式。我们考虑如果每次要求一个点对一堆点连边，除了线段树优化建图以外，可以考虑是否可以用前缀优化建图。

比如说在 2-sat 中的前缀优化建图：

给 $n$ 个点，分成 $k$ 部分，$m$ 条限制表示两个点至少选一个，每部分恰选一个。求有无可行选法。

一般我们会把一个点拆成两个，表示选或者不选。现在我们拆成 $4$ 个，表示选或者不选，以及前缀中是否有选，后缀中（不包括本身）是否有选。
这样一来，我们对一堆点连边就变成了向一个点连边，那么对于一堆的点，我们需要预先连一些边。

1. 如果一个点选了，那么它前缀中肯定有选了；
2. 如果后缀 $i$ 有选，那么 $i$ 这个点不能选（同一堆中不能一起选）；
3. 如果前缀 $i$ 有选，那么前缀 $i+1$ 有选；
4. 如果后缀 $i+1$ 有选，那么后缀 $i$ 有选；
5. 如果 $i$ 选了，那么 $i-1$ 的后缀选了；
6. 如果前缀 $i$ 有选，那么 $i+1$ 不选（后面的点交给前缀 $i+1$）。

这样会得到这样的图：

然后直接连边就可以了。

或者考虑网络流的优化，具体见这题。

O(logn) 分解质因子#

众所周知每个数都只有 $\log n$ 级别的质因子。那么的话我们可以利用线性筛每个数都是用它的最小质因子筛掉的，记录一下，然后分解的时候每次除以这个最小质因子就可以精准获取质因子，也就是 $O(\log n)$ 分解了。

斐波那契前缀和公式#

$$\sum_{i=0}^nFib_i=Fib_{n+2}$$

太神奇了，二次以上也是有公式的。

C++ 语法#

求一个数组中连续区间的最值：

*max_element(a+l,a+r+1)

向上取整的数论分块#

你可以这样：

$$\lceil\dfrac{x}{y}\rceil=\lfloor\dfrac{x-1}{y}\rfloor+1$$

然后就变成向下取整的数论分块了。

代替弱化的平衡树的堆#

还是来记一下。用来解决加入，删除，查询最值。可以用极短的代码来代替平衡树。你搞两个堆，我们叫做 $A$ 和 $B$ 吧，每次插入的时候，把元素压到 $A$ 中，然后删除就压到 $B$ 中。每次查询最值的时候就比较 $A$ 和 $B$ 的堆顶是否相同，如果相同就同时弹掉，否则就返回 $A$ 的堆顶就是当前询问的最值了。

struct Heap{
    priority<int> A,B;
    void ins(int x){A.push(x);}
    void del(int x){B.push(x);}
    int ask(int x){
        while(!A.empty()&&!B.empty()&&A.top()==B.top())
            A.pop(),B.pop();
        if(A.empty()) return -1;
        return A.top();
    }
};

Kosaraju#

听 $\texttt{m}\color{red}{\texttt{yee}}$ 嘴了一个叫做 Kosaraju 的东西，好像可以很方便地代替 Tarjan 的图论算法。

其流程是这样的：首先我们对整张图跑 dfs，然后按照出递归栈的顺序压入一个 vector 中。接下来倒序遍历 vector 中的点，然后在反图上跑搜索，此时当前能访问到的点就是和当前点在同一个强连通分量中的。

一个套路#

对于查询区间中计算子序列的信息，有一个通用的做法就是，对于所有询问离线，然后移动右指针，然后用 DS 维护每一个左端点的信息。这样的话对于询问区间 $[l,r]$，我们在右端点移动到 $r$ 的时候，查询 $[l,r]$ 区间内的值。然后就得到了右端点为 $r$ 的所有子区间的值。为了统计到所有的子区间，还需要记录一下每个节点的历史最值。这使得这个方法只能维护区间中子区间的最值之类满足覆盖的信息。

分数规划#

好像是很陈旧的东西了。就是给你一堆东西，问你一个分数的值最大是多少。一般采用二分答案，然后在不等式上移项，如果当前二分的答案会使得存在一个策略使得不等式反向，那么答案可以更进一步，否则说明答案太过于优秀，没有办法达到。

一个很界外的东西#

XJ 模拟赛遇到的。问题是：有 $n$ 个人打架，给定一个概率 $p$，如果 $i<j$，那么 $i$ 打赢 $j$ 的概率是 $p$，$j$ 打赢 $i$ 的概率是 $1-p$。对于 $\forall i\in[1,n)$，求能找出一个大小为 $i$ 的子集，使得里面的任意一个人都打赢了子集外的每一个人的概率。

容易想到令 $dp_{i,j}$ 表示前 $i$ 个人，其中 $j$ 个人在集合中的概率。不难得到转移：$dp_{i,j}=dp_{i-1,j}\times p^j+dp_{i-1,j-1}\times (1-p)^{i-j}$。

好消息是这个东西最优只能做到 $O(n^2)$，但是这题要求 $O(n)$。怎么办？

然后考虑这个前真的有必要么，直接说当前是连续的 $i$ 个人，然后里面可以选出 $j$ 个人在集合中。这样我们除了可以在最后面加一个编号最大的人之外，还可以在最前面加一格编号最小的人，即：$dp_{i,j}=dp_{i-1,j}\times (1-p)^j+dp_{i-1,j-1}\times p^{i-j}$。

变魔术： 我们把这两个式子联立起来！得到：

$$dp_{i-1,j}\times p^j+dp_{i-1,j-1}\times (1-p)^{i-j}=dp_{i-1,j}\times (1-p)^j+dp_{i-1,j-1}\times p^{i-j}$$

然后把 $i-1\to i$，得到：

$$dp_{i,j}\times p^j+dp_{i,j-1}\times (1-p)^{i+1-j}=dp_{i,j}\times (1-p)^j+dp_{i,j-1}\times p^{i+1-j}$$

接着移项，合并，除过去得到：

$$dp_{i,j}=dp_{i,j-1}\times \dfrac{p^{i+1-j}-(1-p)^{i+1-j}}{p^j-(1-p)^j}$$

然后就把 $i$ 这一维去掉了！你不界外吗？

总结： 如果遇到一个题，每一个元素的地位等价性很高，而当前的 dp 式子不好优化的时候，可以考虑多考虑几种转移，使得某一维可以被抵消掉。

势能分析的一种套路#

感觉经常遇到这种套路。

就是把大于等于某个阈值的数都减去这个阈值。我们假设它为 $c$。那么我们把所有数分成 $[0,c),[c,2c),[2c,+\infty)$ 三部分，然后对左边不用处理，对最右边用数据结构维护一下，然后中间的可以暴力做。

分析方法是考虑中间那部分被减后数值必然不多于原来的一半，所以最多暴力 $\log c$ 次。

扫描线+DS#

具体见博客

时间倒流#

如果一个题，常见于图论，顺序加边的时候很难保证复杂度（或者删边，总是正向做）或者根本找不到一个多项式复杂度的做法，那么就可以考虑倒过来做，前提是可以离线。

矩阵加速分段优化#

例题

如果题目需要做分段矩乘，然后发现时间比较紧张，那么可以考虑预处理转移矩阵的二次幂，然后直接用 dp 向量来乘。然后在矩阵乘法的时候要注意如果某一次乘法肯定没有意义，那就直接省去一次循环，这样矩阵乘向量的复杂度是 $O(siz^2)$ 的。

相当于平衡掉分多段的复杂度。

点权 Kruskal 重构树#

目的相同，想要建立一棵在无关于长度，只有关于可达性的树的时候，想建立一棵有单调性的树。可是是点权的时候，没法用 Kruskal 的排序来做。

但是我们可以直接把点按点权排序，从点权优到劣排。然后开一个 vis[i] 数组，顺次枚举每个点，并枚举与它相连的所有点，然后如果某一个点的 vis[i] 是 $1$，说明它的点权比当前点小，那么在用并查集判断完两个点的连通性之后，直接把当前点和那个点的根连一条边。最后就建出一棵 $n$ 个节点的，满足普通重构树所有性质的树。

示例代码

iota(f+1,f+1+n,1);
iota(p+1,p+1+n,1);
sort(p+1,p+1+n,[&](int x,int y){return C[x]<C[y];});
rep(i,1,n){
    for(int s:g[p[i]]){
        int sf=find(s);
        if(vis[sf]&&merge(sf,p[i]))
            e[p[i]].pb(sf);
    }vis[p[i]]=1;
}