排列 [计数dp]

排列 [计数dp]_第1张图片


S O L U T I O N \mathbb{SOLUTION} SOLUTION

状态:
F [ i , j ] 表 示 前 i 项 , 递 增 序 列 最 后 一 个 元 素 为 A i 的 方 案 , 递 减 序 列 最 后 一 个 元 素 为 A j 的 方 案 F[i, j] 表示前 i 项, 递增序列最后一个元素为A_i的方案, 递减序列最后一个元素为A_j的方案 F[i,j]i,Ai,Aj
G [ i , j ] 表 示 前 i 项 , 递 减 序 列 最 后 一 个 元 素 为 A i 的 方 案 , 递 增 序 列 最 后 一 个 元 素 为 A j 的 方 案 G[i, j] 表示前 i 项, 递减序列最后一个元素为A_i的方案, 递增序列最后一个元素为A_j的方案 G[i,j]i,Ai,Aj

A s k : 为 什 么 要 另 外 开 一 个 G [ ] [ ] 状 态   ? Ask: 为什么要另外开一个 G[][] 状态\ ? Ask:G[][] ?
A n s w e r : 说 完 转 移 后 , 自 会 提 到 . Answer: 说完转移后,自会提到. Answer:,.

转移:

注: 1 < = j < i < = N 1<=j1<=j<i<=N

  1. i i i i − 1 i-1 i1 同属一个序列,

    1. A i − 1 < A i A_{i-1}Ai1<Ai, F [ i , j ]    + =    F [ i − 1 , j ] F[i, j] \ \ += \ \ F[i-1, j] F[i,j]  +=  F[i1,j];
    2. A i − 1 > A i A_{i-1}>A_i Ai1>Ai, G [ i , j ]    + =    G [ i − 1 , j ] G[i, j] \ \ += \ \ G[i-1, j] G[i,j]  +=  G[i1,j].

  1. i i i i − 1 i-1 i1 不同属一个序列,

    1. A j < A i A_jAj<Ai, F [ i , i − 1 ]    + =    G [ i − 1 , j ]                            ( F [ j , i − 1 ] ) F[i, i-1] \ \ += \ \ G[i-1,j] \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ (F[j,i-1]) F[i,i1]  +=  G[i1,j]                          (F[j,i1])
    2. A j > A i A_j>A_i Aj>Ai, G [ i , i − 1 ]    + =    F [ i − 1 , j ]                            ( G [ j , i − 1 ] ) G[i, i-1] \ \ += \ \ F[i-1,j]\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ (G[j,i-1]) G[i,i1]  +=  F[i1,j]                          (G[j,i1])

看 到 情 况 2 的 括 号 了 吗 ? 看到情况2的括号了吗? 2?
这 些 状 态 在 转 移 时 还 没 有 值 , 所 以 额 外 开 了 G [ ] [ ] 来 使 得 这些状态在转移时还没有值,所以额外开了 G[][] 来使得 ,G[][]使 转 移 可 行 转移可行

至此已经完成了 O ( N 2 ) \mathcal{O(N^2)} O(N2) 的算法, 使用树状数组滚动即可优化为 O ( n l o g n ) \mathcal{O(nlogn)} O(nlogn)


可能会出现 不存在某种序列 的情况, 所以要进行特殊处理, 代码中已用 # \# # 注释


C O D E \mathbb{CODE} CODE

#include
#define reg register

int read(){
        char c;
        int s = 0, flag = 1;
        while((c=getchar()) && !isdigit(c))
                if(c == '-'){ flag = -1, c = getchar(); break; }
        while(isdigit(c)) s = s*10 + c-'0', c = getchar();
        return s * flag;
}

const int maxn = 1500006;
const int mod = 666623333;

int N;
int M;
int A[maxn];

struct Tree{
        int tap[maxn], v[maxn], tim;
        void Modify(int k, int x){
                while(k <= N){
                        if(tap[k] != tim) tap[k] = tim, v[k] = 0;
                        v[k] += x;
                        if(v[k] >= mod) v[k] -= mod;
                        k += k & -k;
                }
        }
        int Query(int k){
                int s = 0;
                while(k >= 1){
                        if(tap[k] != tim) tap[k] = tim, v[k] = 0;
                        s += v[k];
                        if(s >= mod) s -= mod;
                        k -= k & -k;
                }
                return s;
        }
} Ft, Gt;

int flag_1, flag_2; // 1↑ 2↓

int main(){
        freopen("perm.in", "r", stdin);
        freopen("perm.out", "w", stdout);
        N = read();
        for(reg int i = 1; i <= N; i ++) A[i] = read();
        Ft.Modify(1, 1), Gt.Modify(1, 1);
        flag_1 = flag_2 = 1;			// #
        for(reg int i = 2; i <= N; i ++){
                int tmp_1 = Ft.Query(N-A[i]+1), tmp_2 = Gt.Query(A[i]);
                if(A[i-1] < A[i]) flag_1 = 0, Gt.tim ++;	// #
                else flag_2 = 0, Ft.tim ++;					// #
                Ft.Modify(N-A[i-1]+1, tmp_2), Gt.Modify(A[i-1], tmp_1);
        }
        printf("%d\n", (Ft.Query(N)+Gt.Query(N)-flag_1-flag_2)%mod);
        return 0;
}

你可能感兴趣的:(Test,动态规划-线性dp,动态规划-数据结构优化)