算法 {容斥原理,二进制子集的容斥}

算法 {容斥原理,二进制子集的容斥}

@MARK_1

容斥原理

定义

給定若干去重集合Si, 則$S1\cup S2\cup ...\cup Sn={+}_{i}Si-{+}_{i,j}(Si\cap Sj)+{+}_{i,j,k}(Si\cap Sj\cap Sk)-...$, 其中的+ -指的是集合加法,集合減法;
即$2^n$遍歷全組合, 如果是奇數個項 比如S1S2S3 則執行加法, 否則比如S1S2 則執行減法;
. 比如S1={a,b,e} S2={b,c,e} S3={c,d,e}, 則有S1 U S2 U S3 == (S1+S2+S3) - (S1S2 + S1S3 + S2S3) + (S1S2S3) == {abe,bce,cde} - {be,e,ce} + {e} == {a,b,c,d};

算法

代碼模板

求`ANS = S0 U S1 U S2 U ... U S[n-1]`;

ANS = {};
for( int st = 1; st < (1<<n); ++st){
	vector<int> Ind = `st裡的所有1的下標`;
	S := `S[Ind.front()] 交集 ... 交集 S[Ind.back()]`;
	if( Ind.size() & 1){
		ANS 集合加法 S;
	}
	else{
		ANS 集合減法 S;
	}
}

二进制子集的容斥原理

@LINK: @MARK_0;

性质

容斥的核心是: 去掉重复的元素;

@DELI;

#去除多餘的集合#
令T:= S1 U S2 U ... U Sn, 對於Si 令$SR=U_{j\ne i}Sj$, 如果$Si\subset SR$ 則SR == T; 也就是 你可以把Si給去掉;
. 比如S1={a}, S2={b}, S3={c}, S4={a,b}, S5={a,c}, S6={b}, S7={a,b,c}, 那麼S1 U ... U S7 == S1 U S2 U S3, 即可以把S4,S5,S6,S7給去掉, 即原來容斥原理是2^7量級 現在優化為2^3;
例題: @LINK: https://editor.csdn.net/md/?not_checkout=1&articleId=130248080;

@DELI;

来一个经典例题来熟悉容斥原理;

给定$N$个数$[a_1,...,a_n]$, 令布尔函数f(x) = (a1 | x) || (a2 | x) ... || (an | x); (即只要可以被至少一个ai所整除, 则x返回True);
. 求$x\in [1,M]$范围内 f(x) = True的个数;

我们知道 对于一个数$x$, [1, N]范围内 会有N / x个数可以整除x (即x, 2x, 3x, ...);
. 所以, 可以定义S_x 表示所有可以整除x的元素 所组成的集合, 用C(x)表示 $|S_x|$;
. 那么, 答案即为$|S_{a_1}\cup S_{a_2}\cup ...\cup S_{a_n}|$; 根据上面的转换公式, 你需要求$|S_i\cap S_j|$ (这里只是做一般性分析, 当然$|...|$中 可能包含[1/2/3/…/N]个$S_i$, 这里以2个为例子);
. . 容斥原理, 最最重要的, 就是求这个值, 即若干个Si的并集 的大小; 他要怎么求, 你需要具体问题具体分析, 通常都是用C(x)这个函数 来求他;
. . 在这里, $S_i\cap S_j$表示: 既可以整除i 又可以整除j的 元素个数; 你必须要搞懂这个逻辑式, 他的本质是 可以整除z = LCM(i,j) (最大公倍数), 因此 $|S_i\cap S_j|=C(z)$;
. . 因此, 答案 就是 一堆C(x)的相加减;

–

容斥原理的前提条件:
容斥原理 一定求的是$N$个集合的并集的大小, 也就是 遇到容斥原理 你必须要找到一些集合 使得这些结合的并集, 就是答案集合
. 反过来说, 假如答案集合为S, 你必须将他可重复性的划分 (两个子集可以相交) 为若干子集合, 使得这些集合的并集 等于S;

–

容斥原理的计算方式:
容斥原理的结果, 就是一堆$|S_i\cap S_j\cap S_k|$之和 (他是有符号的, 取决于i,j,k,...的个数, 如果是奇数 则为1, 否则为-1);
. $|S_i\cap S_j\cap S_k|$ 这个值, 是通过一个函数C(x)来计算的;

–

容斥原理的常用算法
. 1 1 << N时间

ans = 0;
for( st = 1; st < (1 << N); ++st){
	bit_count = `st中1的个数`;
	z = `st中所有1对应的A[]值的最小公倍数`;
	if( bit_count & 1) ans += C(z); // `C(z) = M / z`;
	else ans -= C(z);
}

. 2 M次循环 @MARK_0
. . 不要认为, 容斥原理就一定是1 << N的时间; 你一定要结合公式, 因为我们知道 容斥原理 即答案 就等于一堆C(x)之和, 在本题中 C(x) = M / z, 自然对于C( > M) 他的值一定是0, 所以可以跳过不管的;
. . 假如题目说了 这N个数 是互不相同的质数, 那么, 对于这$2^n-1$个项$|S_i\cap S_j\cap S_k|=C(z)$ ($z=LCM(i,j,k)$) 与 z 形成双射; 即不同的项 对应的z (注意不是C(z) 而是z) 是不同的;
. . 因为这里z的定义是: z = i * j * k, 因为i,j,k都是不同的质数 所以组成z一定不同;
. . 假如把互不相同这个条件去掉, 仅仅只是质数, 那这个性质就不存在了; 比如有两个相同质数p, p, 那么有两个项 都是$|S_p|$ 自然他们对应的z是相同的;
. . 假如把质数这个条件去掉, 仅仅只是互不相同, 那这个性质也不存在了; 比如2, 3, 6, 那么$S_6$ 与 $S_2\cap S_3$ 都对应z = 6;
. . 这里有了这个性质, 即这$2^n-1$个项 对应的z值均不同; (假如题目中$n=1000$ 肯定是不能枚举所有的项 来求容斥原理了; 而且, z值可能就无法求出 因为这$n$个数的乘积 溢出long long); 此时, 一定要结合C(z)这个函数, 因为我们的本质 就是求这个函数; 根据该函数在这道题的定义 C(z) = M / z, 那么显然, 对于C( > M) = 0, 因此 对于所有对应z > M的项 我们根本就无需枚举这些项;
. . 因此, 只考虑z = [1, ..., M]范围内的项, 令MM= min( M, 这n个数的乘积), 那么 对这些项对应的<= MM的z值 一定是在[1, ..., MM]范围内的 (但不是满射, 比如z = 4 没有项的z = 4); 因此, 对于一个z值, 设置一个Flag(z)函数 [如果z质因数分解的最高次> 1, 则为0],[如果z的质因数个数为奇数, 则为1],[如果z的质因数个数为偶数, 则为-1]; (这个Flag(z) 就是莫比乌斯函数)
. . 此时原式变为: $\sum _{i=1}^{M}C(i)\ast Flag(i)$, 即 我们将$O(2^n)\to O(M)$; 因为本题里$C(i)$是下取整函数, 那么$C(i)$的取值 只有$2\sqrt{M}$个, 因此 可以再使用下取整的前缀和优化 对Flag(i)进行前缀和处理, 然后i直接从l跳到r + 1 (即i= [l, l+1, ..., r]对应的C(i)都是相同的); 就从$O(M)\to O(\sqrt{M})$;

例题

CSDN--130248080: 基于@MARK_0, 即不是1<<N的枚举, 而是O(M)的枚举, 再用下取整优化到O(sqrt(M))

–

https://editor.csdn.net/md/?articleId=130220207
. 变形的隔板法; C[i] <= M[i]是合法方案, 他的非法方案为C[i] > M[i], 则使用容斥原理求非法方案, 则合法方案 = 朴素隔板法 - 容斥原理;

二进制子集的容斥原理

@MARK_0;

定义

&N: 二进制长度; &Subs(st): st的子集(比如&Subs(101)={101,100,001,000}); &Raw[st]: 每个二进制对应的价值; 已知&Sum[st]: Raw[st子集]之和; (比如&Sum[101] = Raw[101,100,001,000]之和;
求 某个特定的&Raw[x];

答案: &Raw[st] = (flag(x) * Sum[x])之和 (x为&Subs(st), flag(x) = {x,st}的二进制中1的个数的奇偶性相同? : 1 : -1));
. 比如Raw[101] = Sum[101] - Sum[100] - Sum[001] + Sum[000]; 比如Raw[1101] = Sum[1101] - Sum[1100] - Sum[1001] - Sum[0101] + Sum[1000] + Sum[0100] + Sum[0001] - Sum[0000];

代码

时间是2^N (N为tarST里1的个数);

template< class _Type_> _Type_ ___InExPrinciple_binarySubsets( _Type_ const* _sum, int _tarST){ // `sum`的长度至少是`[tarST+1]`;
    _Type_ ANS = 0;
    auto flag = __builtin_popcount(_tarST)&1;
    for( auto subST = _tarST; ; subST=(subST-1)&_tarST){
        if( (__builtin_popcount(subST)&1) == flag){ ANS += _sum[subST];} else{ ANS -= _sum[subST];}

        if(subST==0){ break;}
    }
    return ANS;
} // ___InExPrinciple_binarySubsets

筆記

假设全集为$S$, 对于任意$N$个子集$s_1,s_2,...,s_n$, 求这些集合的并集$\cup$的大小;
. 注意任意这2字, 意味着, $s_i$可以是空集 可以是全集 可以是任何集合; $s_i,s_j$ 他们可以相交 可以互斥 任何关系; 只要满足$s_i\in S$即可;

容斥原理的算法是$O(2^n)$的, $|s_1\cup ...\cup s_n|=\sum _{i\in [1,n]}|s_i|-\sum _{i<j\in [1,n]}|s_i\cap s_j|+\sum _{i<j<z\in [1,n]}|s_i\cap s_j\cap s_z|-...$;
. 以单个$|s_i\cap ...|$为一项, 则一共是有$2^n-1$项;

理解容斥原理最本质的角度, 就是文氏图; 一个集合 在文氏图中的面积大小 就对应该集合的元素大小$|s|$;
. 比如, 给定三个集合$a,b,c$, 已知 $|a|=2,|b|=3,|c|=4$, 且$|a\cap b|=1,|a\cap c|=1,|b\cap c|=2$, 且$|a\cap b\cap c|=1$;
. . 那么, 我们就可以求出$a\cap b\cap c$这个集合的大小, 即$|a\cap b\cap c|=(2+3+4)-(1+1+2)+(1)$;