Solution -「洛谷 P8477」 「GLR-R3」春分 下界证明?!
前情提要:在 「洛谷 P8477」 「GLR-R3」春分 中,我们给出了 \(\frac{7}{6}n\pm\mathcal O(1)\) 的解法,但没能给出相关的下界证明。现在我们尝试给出一个未完全完成的下界证明。
为方便描述,我们综合链接中题意和某个“通俗”的题意,称隔板为“板”,称溶液为“人”。
这个问题的自由度很高,我们先通过约束单个板在最优化条件下的行为来降低自由度。对于板的一面,有三种状态:
-
未被任何人用过,是干净的。
-
被某个人用过。
-
间接地被很多人用过。
我们称三种状态分别为 \(\text{C(lean)}\),\(\text{O(ccupied)}\),\(\text{M(essy)}\),一个板的状态可以用两个面的状态描述,记作 \(\text{X/Y}\)。例如,官解中“神奇的板”(搁在中间防止 \(\text{C}\) 与 \(\text{M or O}\) 接触的辅助板;为什么 Reanap 取名如此诡异)是一个恒定的 \(\text{C/M}\)。
初始时,我们会给左右的人分配一些板。这些全新的 \(\text{C/C}\) 板会立马成为“\(x\sim\text{O(x)/C}\)”的状态(\(x\) 表示人)。对于这样一个 \(\text{O/C}\),当它第一次在匹配中脱离 \(x\) 时,它必然只能用 \(\text{C}\) 面接触新的人,也就是 \(y\sim\text{O(y)/O(x)}\)。容易说明,这个 \(\text{O(x)}\) 会被立马弄脏,从而成为 \(y\sim\text{O/M}\)。也就是说,一个分配给人的板的变化一定是:
因此,我们根本不需要关注 \(\text{O}\) 到底时被谁 occupied——这一面要不被翻出来变脏,要不一直和它的主人贴在一起。换句话说,一个板(除了辅助的 \(\text{C/M}\))只有两种状态:\(\text{O/C}\) 或者 \(\text{O/M}\)。当 \(\text{O/M}\) 再和 \(y\) 脱离理应得到 \(\text{M/M}\),但这就是纯纯的废物了。
(急着过周末,这里只给重要结论,有些小性质可以自己推一推喵。)
在此基础上,考虑每时每刻能够进行的匹配。只要当左侧的 \(x\) 和右侧的 \(y\) 在某一个时刻都占有者格子的板,它们就能进行匹配,借助 \(\text{C/M}\),我们能保证这次匹配不会改变两板外露面的状态。
这样,我们得到了原问题的等价归约:
左右两侧各有 \(n\) 个盒子,初始时你可以在每个盒子中放上至多一个小球(初始 \(\text{O/C}\)),每个小球可以由一个盒子移动向另一个空盒子(\(\text{O/C}\to\text{O/M}\)),但同一个小球至多移动一次。构造方案,使得在移动过程中,对于任意左侧盒子 \(x\) 和右侧盒子 \(y\),都存在一个时刻,它们中都有小球。
当 \(n\) 足够大,我们可以用覆盖比例来描述板的行为。设左右有长度为 \(1\) 的“盒子”,左侧初始有 \(0\le p\le 1\) 长度有小球,右侧 \(q\)。我们现在能够证明,当小球只在同侧移动时,\((p+q)_{\min}=7/6\)。
自然地,现在我们有 \(0.5\le p,q\le 1\)。设左侧人 \(x_{1..n}\),右侧人 \(y_{1..n}\),考察初始时跨越左右的一对小球的移动过程:
所以初始时有球的 \((i,j)\) 对至多贡献 \(3\) 个匹配。转换到覆盖长度上,总共能提供的匹配“面积”就是 \(3pq\)。现在,我们写出第一个下界:
得到 \((p+q)_{\min}=\frac{2\sqrt 3}{3}\approx 1.155<1.167\)。能不能逼紧一点?
注意这 \(3pq\) 中必然存在的重复匹配,它们会产生不可忽视的浪费。显然,一个盒子最多被放入两次球。对左侧一个被放入过两次球的盒子,考察放入瞬间右侧的覆盖情况。在这两个时刻,右侧都有长度为 \(q\) 的盒子被覆盖,那么至少有 \(2q-1\) 的长度是重合的,它们在第二个时刻便成为无效匹配。同样,对左侧进行类似分析,显然每个球都被移动过才易取到下界,这时至少有 \(2p-1\) 长度的盒子满足“被放入过两次球”。最终,总共浪费面积至少是 \((2p-1)(2q-1)\)。那么:
不妨考虑 \(p=0.5\) 的端点,解得 \(q=2/3\);极值点 \(p=q\) 处不如端点优秀。所以这种情况下,有 \((p+q)_{\min}=7/6\)。
发展空间:
-
已有论证是否真的严格?
-
在“允许左右交换”的问题中找到更优解或证明不更优的界。(踩标途径!)
-
我们实质上只论证了下界在 \(\frac{7}{6}n-\omicron(n)\) 至 \(\frac{7}{6}n+\mathcal O(1)\) 内。找到优秀的 \(\omicron(n)\) 剪枝(我猜可能有 \(\sqrt n\) 级别的)也不失为一种优化。