再谈线性基

摘要:
通过线性基中元素xor出的数的值域与原来的数xor出数的值域相同。个人谈一谈对线性基的理解:很多情况下,只有有关异或运算和求最值,就可以用到线性基。同时线性基的任何一个非空子集都不会使得其xor和为0,证明也很简单,反证法就可以说明。)continue;//对线性基的这一位没有贡献67      if(!

可参考神犇博客:

https://oi.men.ci/linear-basis-notes/

https://blog.sengxian.com/algorithms/linear-basis

一、线性基介绍

1、线性基:

若干数的线性基是一组数a1,a2,...an,其中ax的最高位的1在第x位。

通过线性基中元素xor出的数的值域与原来的数xor出数的值域相同。

2、线性基的构造法:

对每一个数p从高位到低位扫,扫到第x位为1时,若ax不存在,则ax=p并结束此数的扫描,否则令p =pxorax。(此处若此位存在,则必然存在有更高位的二进制数的1在此位置,异或则会使本身变优

3、查询:

用线性基求这组数xor出的最大值:从高往低扫ax,若异或上ax使答案变大,则异或。

4、判断:

用线性基求一个数能否被xorxor出:从高到低,对该数每个是1的位置x,将这个数异或上ax(注意异或后这个数为1的位置和原数就不一样了),若最终变为0,则可被异或出。当然需要特判0(在构造过程中看是否有p变为0即可)。例子:(11111,10001)的线性基是a5=11111,a4=01110,要判断11111能否被xor出,11111xora5=0,则这个数后来就没有是1的位置了,最终得到结果为0,说明11111能被xor出。

个人谈一谈对线性基的理解:

很多情况下,只有有关异或运算和求最值,就可以用到线性基。线性基有很多很好的性质,比如说如果有很多个数,我们可以构出这些数的线性基,那么这个线性基可以通过互相xor,能够构出原来的数可以相互xor构出的所有的数。所以可以大大减少判断的时间和次数。同时线性基的任何一个非空子集都不会使得其xor和为0,证明也很简单,反证法就可以说明。这个性质在很多题目中可以保证算法合法性,比如:BZOJ2460

构造的方法有点像贪心,从大到小保证高位更大。也比较好理解。就是这几行代码:

1 for(int i=1;i<=n;i++) {    
2  
3         for(int j=62;j>=0;j--) {
4  
5              if(!(a[i]>>j)) continue;//对线性基的这一位没有贡献           
6  
7                if(!p[j]) { p[j]=a[i]; break; }//选入线性基中                   
8  
9                a[i]^=p[j];
10  
11 }
12  
13        }

可以把n个数变成只有最大的数的二进制位数那么多个数,这就是线性基的优秀之处。

查询的话,也是一个贪心思想,如果可以使得ans更大,就把这一位的基xorans

1for(inti=62;i>=0;i--)if((ans^p[i])>ans) ans=ans^p[i];//从线性基中得到最大值

这就是线性基的基本用法和个人的一些理解。

二、线性基模板

更新下线性基的模板

1 #include<stdio.h>
2 #include<bits/stdc++.h>
3 using namespacestd;
4 typedef long long intll;
5 const int maxn = 1e5 + 7;
6 const int mod = 1e9 + 7;
7 structLinear_Basis {
8     ll b[63], nb[63], tot; //b为线性基  nb用来求第K小异或值 tot为nb元素个数
9     bool flag = false;
10     void init() {   //初始化
11         tot = 0;
12         flag = false;
13         memset(b, 0, sizeof(b));
14         memset(nb, 0, sizeof(nb));
15 }
16     void ins(ll  x) { //插入
17         for(int i = 62; i >= 0; i--) {
18             if(x & (1ll <<i)) {
19                 if(!b[i]) {
20                     b[i] =x;
21                     return;
22 }
23                 x ^=b[i];
24 }
25 }
26         flag = true;
27         return;
28 }
29     bool fin(ll x) { //验证存在性
30         if(x == 0 && b[0])
31             return 1;
32         for(int i = 62; i >= 1; i--) {
33             int j = i - 1;
34             if(x & (1 <<j)) {
35                 x ^=b[i];
36                 if(!x)
37                     return 1;
38 }
39 }
40         return 0;
41 }
42     ll Max(ll x) {  //求最大值
43         ll res =x;
44         for(int i = 62; i >= 0; i--) {
45             res = max(res, res ^b[i]);
46 }
47         returnres;
48 }
49     ll Min(ll x) {  //求最小值
50         ll res =x;
51         for(int i = 0; i <= 62; i++) {
52             if(b[i])
53                 res ^=b[i];
54 }
55         returnres;
56 }
57     ll Rebuild() {  //第K大
58         for(int i = 62; i >= 0; i--) {
59             if(b[i] == 0)
60                 continue;
61             for(int j = i - 1; j >= 0; j--) {
62                 if(b[j] == 0)
63                     continue;
64                 if(b[i] & (1ll <<j))
65                     b[i] ^=b[j];
66 }
67 }
68         for(int i = 0; i <= 62; i++) {
69             if(b[i])
70                 nb[tot++] =b[i];
71 }
72 }
73 ll Kth_Max(ll k) {
74         if(flag)
75             k--;  //???
76         ll res = 0;
77         if(k == 0)
78             return 0;
79         if(k >= (1ll <<tot))
80             return -1;
81         for(int i = 62; i >= 0; i--) {
82             if(k & (1ll <<i))
83                 res ^=nb[i];
84 }
85         returnres;
86 }
87 } LB;
88 void merge(Linear_Basis &a, Linear_Basis &b) { //a和b都变成a+b
89     for(int i = 31; i >= 1; i--) {
90         if(b.b[i] == 0)
91             continue;
92 a.Ins(b.b[i]);
93 }
94     b =a;
95 }
96 intmain() {
97     intn;
98     scanf("%d", &n);
99     return 0;
100 }
线性基

三、线性基好题

题目:

https://www.cnblogs.com/vb4896/p/6149022.html

免责声明:文章转载自《再谈线性基》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇Redis删除特定前缀key的优雅实现android中的内部存储与外部存储下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

拓端数据tecdat|R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归

原文链接:http://tecdat.cn/?p=20882  1导言 这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此,我们首先需要看一下线性回归,看看为什么在某些情况下它可能不是最佳选择。   2回归模型 假设我们有一些带有两个属性Y和X的数据。如果它们是线性相关的,则它们可能看起来像这样:       a<-ggplot(m...

用LaTeX写线性规划

线性规划由目标函数和若干约束构成,Latex中并没有直接的命令来写线性规划。简单的做法是使用\begin{eqnarray} … \end{eqnarray}命令,但eqnarray命令是使若干方程按照中间的二元关系符(如等号)垂直对齐的,而线性规划的约束条件上虽然有二元关系符,但约束条件后面往往还有量词符号,它们也需要垂直对齐。也就是说,线性规划中有不止...

5.多项式回归与模型泛化

(一)什么是多项式回归 还记得线性回归法吗?线性回归法有一个很大的局限性,那就是需要数据是有一定的线性关系的,但是现实中的很多数据是没有线性关系的。多项式就是用来解决这个问题的,可以处理非线性数据 在线性回归中,我们是假设数据具有线性关系的,因此我们在简单线性回归中,将直线的方向设置为y=ax+b的形式,那么我们求出a和b即可。 而对于有些数据,我们虽...

数据分析--降维--LDA和PCA

一、因子分析   因子分析是将具有错综复杂关系的变量(或样本)综合为少数几个因子,以再现原始变量和因子之间的相互关系,探讨多个能够直接测量,并且具有一定相关性的实测指标是如何受少数几个内在的独立因子所支配,并且在条件许可时借此尝试对变量进行分类。   因子分析的基本思想   根据变量间相关性的大小把变量分组,使得同组内的变量之间的相关性(共性)较高,并用一...

机器学习笔记(二)多元线性回归

Multiple Features (多特征量) 1、字符定义: 2、Multivariate Linear Regression (多元线性回归): 3、代价函数: 4、梯度下降算法: 梯度下降技巧一——Feature Scaling (特征缩放) 1、定义:将每个特征量缩放到-1和1之间。(与之范围接近即可,如0~3,-2~0.5等) 2、作用...

线性基习题小结

洛谷P4839“P的桶” •题意   有 m 个桶,依次编号 1~m;   初始,这 m 个桶全部为空桶;   给你 n 次操作,每次操作有两种:     (1)1 k x : 往 k 桶中加入数     (2)2 l r : 查询 $[l,r]$ 对应数的异或最大值; •题解   很常规的一道线性基题目;   用线段树维护,对于操作 1,找到第 k...