UOJ Logo peehs_moorhsum的博客

博客

如何使用调整法

2023-01-17 17:34:50 By peehs_moorhsum

如果大家不知道调整法是什么,可以去复习我非常民科的集训队论文。

CTS的数据表明,很多网友不太知道调整法咋用。这里分享一点诀窍。

首先,调整法主要用于限制较松散的题目,要找到性质中松散/容易满足的那股劲。如果题目中有些限制难以满足,你就用人类智慧把它们先满足了,剩下的部分交给调整。不要让调整去摁做很严格的限制。

其次,要找到容易变动且和目标相符的估值。这一部分有时是简单的(比如:不满足的条件个数),有时需要用力对着组合结构构造一下(例如:将哈密顿路转化成一些较容易满足的条件)。一般来说,对具体问题需要用具体的估值,不要都转到某个NPC硬做。

一个简单的例题是今年WC T2。做法很简单。容易看出,最大的集合的限制可能很紧,其他集合的限制都很松散。我们首先规定最大的集合中元素放置在哪些位置(例如:放两个空一个,放两个空一格,以此类推)。之后可以调整,调整的内容为不满足的对子数。每次找一个有矛盾的位置,随机选取一个别的和它同在/同不在最大集合的位置,看看换完后矛盾会不会变少。这样一下子就过了,很快啊。

大家学会了吗?

另一道例题:

将 1 ~ nm 放置在 n * m 的方格表中,使得相邻位置互素。

一种好写且卡不掉的树哈希

2022-08-25 22:31:40 By peehs_moorhsum

考虑这样一种哈希方式。对于一棵以 $a$ 为根的子树,假设儿子是 $v_1, v_2, \cdots, v_k$,定义子树的哈希 $h(a)=1+\sum_{1\le i\le k} f(h(v_i))$。其中$h(v_i)$ 是 $v_i$ 对应子树的哈希,$f$ 为一个待定函数。

可以证明:如果 $f$ 为随机函数,这样的哈希在自然溢出下的期望冲突数不超过 $O(n^2/2^w)$。只需考虑最深的一对冲突点即可。

上述哈希最大的优势是好写。如果需要换根,第二次 dp 时只需把子树哈希减掉即可。

实践中,我们并不能取一个真正的随机函数当 $f$。但事实上,没有特殊性质的 $f$ 几乎都卡不掉;因为随便找个 $f$ 大概率很随机。

有一些反例:如果 $f$ 取多项式,可能因为一直保持 $2^k$ 同余关系而白给。但是经过我的实验,似乎只要扰动一下改掉这个性质即可。例如下述函数:

ll h(ll x) {
    return x * x * x * 1237123 + 19260817;
}
ll f(ll x) {
    ll cur = h(x & ((1 << 31) - 1)) + h(x >> 31);
    return cur;
}

我认为应当是卡不掉的,如果有网友能卡掉欢迎找我。

Lovasz Local Lemma 的构造性证明

2022-08-15 10:51:48 By peehs_moorhsum

今天学了一下 Lovasz Local Lemma 的构造性证明,感觉算法流程和调整法很像。

这里毛估估写一点过程。以下内容是从俺的博客 https://www.cnblogs.com/cauchysheep/p/16587302.html 直接抄过来的。


LLL 证明

Lovasz-Local lemma: 有一堆事件,每个事件有标号 $X_i$。如果对任意 $i$, 记 $V_i$ 满足:删掉 $V_i$ 之后 $i$ 与剩余事件完全独立,且 $P(A_i) \le X_i \prod_{j\in V_i} (1-x_j)$, 则有至少 $\prod (1-X_i)$ 的概率所有事件均不发生。

证明:对每个集合 $A$ 和 $a\notin A$, 我们证明 $A\cup \{a\}$ 均不发生的概率至少为 $A$ 均不发生的概率乘以 $(1-x_a)$。对 $|A|$ 归纳。注意到 $A\cup \{a\}$ 均不发生的概率为 $A$ 不发生的概率减去 $A$ 不发生且 $a$ 发生的概率,后者不超过 $A \backslash V_a$ 均不发生且 $a$ 发生的概率。而 $A \backslash V_a$ 与 $a$ 独立,两概率可以直接相乘。 又由归纳假设 $A \backslash V_a$ 均不发生的概率除以 $A$ 均不发生的概率不超过 $1/\prod_{j\in V_a} (1-x_j)$,化简得证。

$k-SAT$ 构造性证明

考虑构造每个 Clause 与不超过 $2^{k-2}$ 个其余 Clause 相交的 $k$-SAT 的解。

考察一个操作 $f(A)$,效果为:经过一些处理,使得 Clause $A$ 从不满足变成满足,原先满足的仍然满足。 具体执行定义如下:首先我们重新随机 sample $A$ 涉及到的变量。而后当存在 $A$ 有交 (含 $A$ 自己) 的 Clause $B$ 未满足,我们递归调用 $f(B)$。

$f$ 的正确性显然成立,我们希望证明 $f$ 的执行时间。事实上,我们只需要说明:$f$ 的调用时间 $\ge 2\log m$ 的概率不超过 $O(1/m^2)$ (于是,可以在某次超过 $2\log m$次调用后完全从头再来)。考虑固定一棵(给定根)的调用树,大小为 $t$。我们声称:这棵调用树出现的概率不超过 $1/2^{kt}$。这是因为每当树上节点用过一些变量,这些变量会立即被sample成新的值,所以树上节点的事件是完全独立的。而大小为 $t$ 的调用树个数有界:因为每次只有最多 $2^{k-2}+1$ 个邻点可供选择;为了回溯,也只需记录这个点是不是当前子树最后一个点即可。因此方法数不超过 $(2(2^{k-2}+1))^t$。

于是,大概率从外部 $m$ 次 $f$ 的调用后,每次调用的时间均不超过 $m\log m$。于是我们可以在不超过 $O(m^2\log m)$ 的时间给出构造。

一般的 LLL 构造性证明

考虑如下设定: 每个事件与 $\Omega$ 中若干个变量相关,$\Omega$ 中的变量两两独立。

我们考虑如下算法:初始给 $\Omega$ 中的变量随机赋值。当有事件发生时,我们将该事件涉及的变量重新 sample,一直执行知道所有事件均不发生。

我们证明:事件 $i$ 被重新 sample 的期望次数不超过 $x_i/(1-x_i)$。证明如下:记 $a_i$ 为事件 $i$ 重新 sample 的期望次数。我们将事件 $i$ 的每次 sample charge 到最近一次涉及到其中变量的修改上。那么容易发现, $a_i\le P_i (1+a_i+\sum_{j\in V_i}a_j)$. 化简后只需证明 $1\ge \prod (1-x_j) + \sum_j x_j \sum_{k\ne j} (1-x_k)$,显然得证。

简单多项式技巧的直观理解

2022-05-17 23:05:02 By peehs_moorhsum

最近和朋友聊到多项式科技,朋友指出市面上的博客很多,但不少很繁琐、很不直观

那我来推一个憨憨博客啊!虽然东西不多,但大部分时候好像够用了

~在这个博客子集里的题就可以不出了;不在的题会被更新进去的~

https://www.cnblogs.com/cauchysheep/p/15161252.html

暂别

2020-10-24 23:33:56 By peehs_moorhsum

又到了UOJ换届环节!

过去的一年中, 由zhouyuyang, AprilGrimoire和我担任UOJ管理员。nike0good 哥哥和前管理员们为我们提供了许多帮助w

这一年里,UOJ共举办了Goodbye Jihai, UOJ Round #19,UOJ NOI Round #4 这三场比赛(以及以UOJ为平台的美团杯)。许多前辈及同侪为它们付出了大量心血。

UOJ完全用爱发电。这决定了它的本质。

UOJ的比赛题目往往经过精心准备,博客区更是许多人发布算法研究的首选。用心出一道好题、钻研引入新的理论,功利地来看对OI成绩没什么用。它们只是出于纯粹的热情,而恰巧适合UOJ这样纯粹的地方。

我常常想起我作为用户第一次参加UOJ Round的样子。彼时我什么都不会,但很热爱OI。14岁的我并不会考虑收益和前程,只是单纯地喜欢编程和算法、享受思考和创造的快乐。那次我想题想了一整晚,第二天凌晨就起床看结果和rating变化。这种状态(不包括啥也不会)或许是许多用户的缩影。

这一年当管理员时,我总想着:我不能辜负这个纯粹的OJ,更不能辜负有着纯粹热忱的人们。所幸在各位的帮助下做得不算太糟。

我们几个将要卸下管理员的大锅了ww 感谢周队长一次次力挽狂澜,感谢好风哥哥有趣的题目和题面;也希望未来的某一天,线性NPC会像多项式技巧一样为人熟知(雾

无论如何,总会有可爱的人们热爱着算法竞赛,也总会有可爱的人们愿意将这个OJ的精神传承下去。

下一届的管理员是:

mayaohua, rushcheyo, skip2004

祝泥萌一切顺利!

peehs_moorhsum Avatar