标签：tau phi 题解 sum School Clubs dfrac 2n prod

CF1479E 题解

前置知识：鞅与停时定理

鞅

我们有一个随机过程 \(X_0,X_1, ...\)。如果 \(\forall n \in \mathbb N, \ E(Y_n) < \infty\) 且 \(\forall n \in \mathbb N^+, \ E(Y_{n + 1}|X_n,X_{n-1},...,X_0) = E(Y_n)\)，则我们称 \(Y_0, Y_1, ...\) 为该随机过程的鞅。

离散时间鞅

如果随机过程 \(X_0,X_1, ...\) 满足 \(\forall n \in \mathbb N, \ E(X_n) < \infty\) 且 \(\forall n \in \mathbb N^+, \ E(X_{n + 1}|X_n,X_{n-1},...,X_0) = E(X_n)\)，则我们称该随机过程为离散时间鞅。

即：已知之前所有的过程，之后的观察值的期望等于之前的观察值的期望

停时定理

对于一个随机过程，如果我们可以根据之前的过程判断该过程是否已经停止（即不用知道未来的过程），则他的停时为一个随机变量 \(\tau\)。

如果满足下列几个条件之一，则我们有 \(E(X_\tau) = X_0\)。

1. \(\tau\) 几乎一定有界
2. \(|X_{t + 1} - X_t|\) 一致有界，且 \(E(\tau)\) 有限
3. \(X_t\) 一致有界，且 \(\tau\) 几乎一定有限

注意，这里由于 \(\tau\) 不是一个定值，所以和前面说的离散时间鞅的定义不同。

读者自证不难

OI里面怎么用

有随机过程 \(A_0, A_1, ...\)，考虑构造势能函数 \(\phi\)。要求 \(E(\phi(A_{t+1}) - \phi(A_t) | A_t, A_{t-1}, ..., A_0) = -1\)。

则我们构造随机过程 \(X_t = \phi(A_t) + t\)，易证 \(X_0, X_1, ...\) 为离散时间鞅。

停时定理，\(E(X_\tau) = X_0\) 即 \(E(\phi(A_\tau) + \tau) = \phi(A_0)\)，则 \(E(\tau) = \phi(A_0) - \phi(A_\tau)\)。

CF1479E School Clubs

Statement

有 \(n\) 个学生和 \(m\) 个组，每个人在一个组里面，第 \(i\) 个组的人数为 \(a_i\)。

现在，每天有一个学生（\(n\) 个学生中随机的一个）会生气，他会：

1. 有一半的概率他会脱离这个组，并且成立一个新的组。
2. 有一半的概率他会脱离这个组，并且进入一个已经成立的组。他进入第 \(i\) 个组的概率为 \(\frac {a_i} n\)，他可能会回到原来的组。

求第一次出现所有学生在同一个组的期望天数。

\(m \le 1000\)，\(n \le 4 \times 10^8\)

Sol

在这道题中，我们可以用一个可重集来描述状态，然后我们考虑如何设计 \(\phi\)。

由于不同组之间是独立的，所以我们可以分开计算其势能，即 \(\phi(A_t) = \sum _{a \in A_t} f(a)\)。

分类讨论

1. 操作 1，有一个人离开了一个组，进入了一个新的组。则

   \[\phi(A_{t + 1}) = \phi(A_t) - f(a_x) + f(a_x - 1) + f(1) \]

2. 操作 2，回到原来组。则

   \[\phi(A_{t + 1}) = \phi(A_t) \]

3. 操作 2，没有回到原来组，则

   \[\phi(A_{t + 1}) = \phi(A_t) - f(a_x) + f(a_x - 1) - f(a_y) + f(a_y + 1) \]

综上

\[\begin{aligned} E(\phi(A_{t + 1})|A_t) &= \sum _{i = 1} ^m \dfrac {a_i} n \cdot \dfrac 1 2 \left( \phi(A_t) - f(a_i) + f(a_i - 1) + f(1) + \dfrac {a_i} n \phi(A_t) + \sum _{j = 1}^m [i\neq j] \dfrac {a_j} n \left(\phi(A_t) - f(a_i) + f(a_i-1) - f(a_j) + f(a_j+1)\right)\right) \\ &= \sum _{i = 1} ^m \dfrac {a_i} {2n} \left( 2\phi(A_t) + f(1) - \dfrac {2n - a_i} n f(a_i) + \dfrac {2n - a_i} n f(a_i - 1) + \sum _{j \neq i} (f(a_j+1) - f(a_j))\right) \\ &= \phi(A_t) + \dfrac 1 2 f(1) - \sum_i\dfrac {3na_i-2a_i^2}{2n^2} f(a_i) + \sum_i\dfrac {2na_i-a_i^2}{2n^2} f(a_i- 1) + \sum_i \dfrac {na_i - a_i^2} {2n^2} f(a_i + 1) \end{aligned} \]

根据势能函数需要满足的要求

\[E(\phi(A_{t+1})-\phi(A_t) | A_t, A_{t-1},...,A_0) = -1 \]

所以

\[f(1) + 2 + \sum_i \dfrac{a_i}{n^2} (-(3n-2a_i)f(a_i)+(2n-a_i)f(a_i-1)+(n-a_i)f(a_i + 1)) = 0 \]

由于 \(a_i=0\) 是不会产生贡献的（因为你永远不可能动他）所以相当于扔掉了，因此势能为 0，即 \(f(0) = 0\)。

因为我们关心的是势能的差，所以为了方便我们取 \(f(1)=-2\)，把常数项消掉。则

\[\sum_i \dfrac{a_i}{n^2} (-(3n-2a_i)f(a_i)+(2n-a_i)f(a_i-1)+(n-a_i)f(a_i + 1)) = 0 \]

\[-(3n-2a)f(a)+(2n-a)f(a-1)+(n-a)f(a + 1) = 0 \]

算法一

\[f(a+1) = \dfrac {(3n-2a)f(a)-(2n-a)f(a-1)} {n-a} \]

由于 \(E(A_\tau) = f(n)\)，所以 \(E(\tau) = E(A_0) - E(A_\tau) = \sum f(a_i) - f(n)\)。

线性暴力计算。

这个怎么能过？？？

CF 机子太快了！！1

算法二

刚才那个柿子也可以变成这样

\[(n-a)(f(a+1)-f(a)) = (2n-a)(f(a)-f(a-1)) \]

则我们记 \(f(a)\) 的差分 \(g(a)=f(a+1)-f(a)\)，有

\[g(a) = \dfrac {2n-a}{n-a} g(a-1) = \prod _{i=1} ^a \dfrac {2n-i}{n-i} g(0) \]

而因为 \(f(0)=0\)，\(f(1)=-2\)，所以 \(g(1)=-2\)。

\[f(a) = \sum_{i=0}^{a-1} g(i) \]

然后就是考虑怎么求

\[S(a) = \sum _{i=1}^a \prod_{j=1}^i \dfrac {2n-j}{n-j} \]

有一个很巧妙的 trick。\(N\) 是一个比 \(a\) 大的数。令

\[s(a) = S(a) \cdot \prod_{i=1}^N (n-i) \]

考虑分块求解，块长 \(B = \sqrt N\)，则令

\[R(z) = \sum_{i=z+1}^{z+B} \left(\prod_{j=z+1}^i (2n-j)\prod_{j=i+1}^{z+B} (n-j)\right) \]

则

\[s(a) = \sum _{i=0}^{a/B} \left(\prod _{j=1}^{Bi} (2n-j)\cdot \prod_{j=Bi+B+1}^N (n-j)\cdot R(Bi)\right) + \sum_{i=(\lfloor a/B\rfloor+1)*B+1}^a \left(\prod _{j=1}^i (2n-j) \cdot \prod_{j=i+1}^N (n-j)\right) \]

接下来考虑如何计算。

对于 \(R(z)\)，首先 \(R(0)\) 是可以 \(O(\sqrt n)\) 计算的。

考虑递推

\[R(z) = R(z-1) \cdot \dfrac {n-(z+B)}{2n-z} + \prod_{i=z+1}^{z+B} (2n - i)- \prod_{i=z+1}^{z+B}(n - i) \]

求出 \(R(0) .. R(B)\) 之后我们进行插值，就可以得到多项式 \(R(z)\)。然后我们可以多点求值求出所有 \(R(Bi)\)。

对于剩余的部分，我们需要求的其实是一些 \(2n-x\) 或者 \(n-x\) 的前缀或者后缀积。

我们考虑如何求一个一次函数 \(F(x)\) 的前缀积。（后缀积不说了，因为可以很方便地转化成前缀积）

我们延续前面的分块的思想。记 \(D(z) = \prod _{i=z+1}^{z+B} F(i)\)。

注意到 \(D(z)\) 是一个关于 \(x\) 的 \(B\) 次多项式，所以我们延续前面求 \(R(z)\) 的想法，先求出 \(D(0) , D(1), \cdots, D(B)\) 然后插值、多点求值求出所有的 \(D(Bi)\)。

这么做的时间复杂度是 \(\mathcal O(\sqrt n(m + \log^2 N))\)。

算法三

快速插值和多点求值常数太大辣！！！

其实我们可以用“快速阶乘”的 trick 去掉一个 log。

首先我们有多项式 \(f(x)\) 和若干个点值 \((x_i, f(x_i))\)。考虑拉格朗日插值的公式

\[f(x) = \sum_{i=1} ^m f(x_i) \prod _{j \ne i} \dfrac {x - x_j} {x_i - x_j} \]

在这个问题中 \(x_i\) 分别为 \(0\) 到 \(d\)。所以

\[f(x) = \sum_{i=0} ^d f(i) \prod _{j \ne i} \dfrac {x - j} {i - j} \]

考虑怎么求 \(f(d + k)\)，\(1 \le k \le t\)

\[\begin{aligned} f(d+k) &= \sum_{i=0} ^t f(i) \prod _{j \ne i} \dfrac {d + k - j} {i-j}\\ &= \prod _{j=0} ^t (d+k-j) \cdot \left(\sum_{i=0}^t \dfrac {(-1)^{t-i}f(i)}{i!(t-i)!} \cdot \dfrac 1 {d+k-i}\right) \end{aligned} \]

括号里面可以卷积计算：

\[F(x) = \sum _{i=0} ^t \dfrac {(-1)^{t-i}f(i)}{i!(t-i)!} x^i \]

\[G(x) = \sum_{i=0}^{2t} \dfrac 1 {d-t+i} x^i \]

故

\[f(d+k) = \prod _{j=0} ^t (d+k-j) \cdot [x^{k+t}] F(x)G(x) \]

如果给出 \(f(0), f(B), f(2B), .. f(Bk)\)，要求 \(f(d), f(d+B), .., f(d+Bk)\)，则设 \(g(x) = f(Bx)\) 就可以解决。

接下来考虑如何求 \(R(z)\)。

\[R(z,B) = \sum_{i=z+1}^{z+B} \left(\prod_{j=z+1}^i (2n-j)\prod_{j=i+1}^{z+B} (n-j)\right) \]

\[P(z, B) = \prod _{j = z + 1} ^{z + B} (2n - j) \]

\[Q(z, B) = \prod _{j = z + 1} ^{z + B} (n - j) \]

那么我们要算的就是 \(P(0, B), P(s, B), ... , P(sB, B)\)，\(R, Q\) 同理。

如何递归计算？

\[R(z, 2B) = R(z,B)\cdot Q(z+B,B)+R(z+B,B) \cdot P(z,B) \]

\[P(z, 2B) = P(z,B) \cdot P(z+B,B) \]

\[Q(z, 2B) = Q(z, B) \cdot Q(z + B, B) \]

我们发现，我们需要计算的其实是：

\(P(0 + ks, B)\)，\(P(B + ks, B)\)，\(P(sB + ks, B)\)，\(P(B + sB + ks, B)\)，其中 \(0 \leq k \leq B\)；

那么我们使用前面给出的方法容易由第一组 \(P\) 算出其他三组。

然后就可以使用倍增求解。时间复杂度 \(T(k) = T(k / 2) + O(k \log k) = O(k \log k)\)，其中 \(k\) 为多项式的次数。

这种方法的时间复杂度是 \(\mathcal O(\sqrt n(m + \log N))\)，比算法二少了一个 log，常数也由显著提升（因为不用多点求值）

总结

这道题是一道好题。

对于求停时期望的问题，构造势能函数、使用停时定理是一种非常好的解决问题的方法。

算法一考察了选手胆大心细的能力以及对CF评测机的了解程度（bushi）。

算法二考察了对于一类多项式的类似阶乘的形式的问题，使用分块求解的方法。

算法三考察了对于拉格朗日插值公式的变形，在此类问题中把多点求值问题转化成标准的卷积性质的方法。

代码

翻cf递交记录吧。

标签：tau,phi,题解,sum,School,Clubs,dfrac,2n,prod
来源： https://www.cnblogs.com/zght/p/15696229.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。