1. 程式人生 > >AC自動機 + 矩陣優化 + 期望 --- [BJOI2011]禁忌

AC自動機 + 矩陣優化 + 期望 --- [BJOI2011]禁忌

輸入 sub n) 數據 輸出格式 不可 ext 獲得 長度

bzoj 2553 [BJOI2011]禁忌

題目描述:

Magic Land上的人們總是提起那個傳說:他們的祖先John在那個東方島嶼幫助Koishi與其姐姐Satori最終戰平。而後,Koishi恢復了讀心的能力……

如今,在John已經成為傳說的時代,再次造訪那座島嶼的人們卻發現Koishi遇到了新麻煩。

這次她遇到了Flandre Scarlet——她擁有可以使用禁忌魔法而不會受到傷害的能力。

為了說明什麽是禁忌魔法及其傷害,引入以下概念:

1.字母集A上的每個非空字符串對應了一個魔法。

其中A是包含了前alphabet個小寫字母的集合。

2.有一個集合T,包含了N個字母集A

上的字符串

T中的每一串稱為一個禁忌串(Taboo string

3.一個魔法,或等價地,其對應的串s因為包含禁忌而對使用者造成的傷害按以下方式確定:

s分割成若幹段,考慮其中是禁忌串的段的數目,不同的分割可能會有不同的數目,其最大值就是這個傷害。

由於擁有了讀心的能力,Koishi總是隨機地使用Flandre Scarlet的魔法,可以確定的是,她的魔法正好對應字母集A上所有長度為len的串

但是,Flandre Scarlet所使用的一些魔法是帶有禁忌的,由於其自身特性,她可以使用禁忌魔法而不受到傷害,而Koishi就不同了。

可憐的Koishi每一次使用對方的魔法都面臨著受到禁忌傷害的威脅。

你現在需要計算的是如果Koishi使用對方的每一個魔法的概率是均等的,那麽每一次隨機使用魔法所受到的禁忌傷害的期望值是多少。

輸入格式:

第一行包含三個正整數Nlenalphabet

接下來N行,每行包含一個串Ti,表示禁忌串。

輸出格式:

一個非負實數,表示所受到禁忌傷害的期望值。

數據範圍:

100%的數據中N ≤ 5len ≤1091 ≤ alphabet ≤ 26

在所有數據中,有不少於40%的數據中:N = 1

數據保證每個串Ti的長度不超過15,並且不是空串。

數據保證每個Ti均僅含有前alphabet個小寫字母。

數據保證集合T中沒有相同的元素,即對任意不同的i

j,有TiTj

評分方法:

對於每一組數據,如果沒有得到正確的輸出(TLE、MLE、RTE、輸出格式錯誤等)得0分。

否則:設你的輸出是YourAns,標準輸出是StdAns

MaxEPS = max(1.0 , StdAns)×10-6

如果|YourAns – StdAns| ≤ MaxEPS則得10分,否則得0分。

即:你的答案需要保證相對誤差或絕對誤差不超過10-6

(不開 long double 不讓過)

AC自動機最後一題。

(2011年的題比2017年的題難。。。)

先考慮一個字符串構成的權值。

一個字符串構成的權值??

動態規劃??不好統計。

貪心??仿佛是。

怎麽貪?

建成AC自動機,只要匹配到就返回根繼續匹配。

為什麽沒有更優?

當我們優先選擇在最前面,最短的那個可以匹配上的禁忌串時,後面的禁忌串是不可能出現的。

或者說,如果匹配串中的子串\([l,r]\)同時被多個串覆蓋,那麽,它要麽被最前面的串匹配掉,要麽被更前面的串匹配掉。

所以自然地最優。

知道了權值怎麽來的,自然還要知道怎麽統計。

設狀態\(dp(i,j)\)表示長度為i, 狀態為j的期望權值。

那麽考慮轉移造成的貢獻,如果是禁忌串的結尾,那麽就可以獲得 \(1/alphabet\)的期望。

否則就轉移吧。

註意到\(L\)非常大,需要矩陣優化。

轉移矩陣怎麽構造?

\(sum\)(老狀態期望 * P(老狀態 ---> 新狀態))= 新狀態期望

因此,不難想到設\(a(i,j)\)表示由\(i\)狀態轉移到\(j\)狀態的概率來轉移。

\(a(i,j)\)是可以預處理的。

完了嗎?

並沒有。

我們並沒有辦法得出最終的答案。

\(a(root,...)\)已經被我們用來算概率了,它失去了統計期望的本事。

因此,我們需要一個專門來統計答案的點:\(daan\)

用\(daan\)來統計期望。

現在,每個點匹配到了禁忌串要返回根,先走過它來統計答案。

現在\(a(i,daan)\)表示從\(i\)走x步到一個禁忌串的期望

因此,\(a(root,daan)\)就是每次的期望(根走\(x\)步走到禁忌串的期望)

為了方便統計答案,需要設\(a(daan,daan)=1\)。

為什麽?

因為\(a(i,daan)=E(now)+a(i,daan)*a(daan,daan)\)

(\(E(now)\)其實也是用\(daan\)來統計期望,而\(a(daan,daan)=1\)保證了可以維護前面的期望(期望的線性性質))

那麽我們既能讓根節點正常地參與概率轉移矩陣的運算,又能統計答案。

\(daan\)相當於一個矩陣中的計數器

何樂而不為?

AC自動機 + 矩陣優化 + 期望 --- [BJOI2011]禁忌