Tricks(持续更新)

这里我的学习OI思路转变其实和_Famiglistimo是一致的

从罗列算法（如DFS、DP、图论）的“知识库”模式转向提炼解思维模式（Tricks）的“工具箱”模式

• 旧思路（算法驱动）：“我学到了什么算法？” -> “什么问题能用这个算法解决？”
• 新思路（技巧驱动）：“我遇到了什么特征的问题？” -> “什么样的思维模式或技巧最适合解决它？”

这里只是整合了一些内容便于阅读

若有问题和补充一定要指出！！！本人感激不尽！！！

当然催更也行...

---

第一篇

https://www.luogu.me/article/cqhi72t6

📝 符号说明

文章中使用了一些特殊符号表示法：

符号	含义
x ←[op] y	等价于 x ← x op y，如 x ←[+] y 即 x ← x + y
(a₁,a₂,...,aₙ) < (b₁,b₂,...,bₙ)	按字典序比较
dinᵢ	节点 i 的入度
doutᵢ	节点 i 的出度
u ↝ v	从 u 到 v 的一条路径
u —[w]→ v	从 u 到 v 的有向边，权值为 w
u ←[w]→ v	连接 u 和 v 的无向边，权值为 w
u ←[a]—[b]→ v	等价于 u →[a] v 和 v →[b] u

---

📚 1. GCD 的 log 性质 ★

核心思想

一个数最多经过 O(log V) 次改变其值的 GCD 操作（V 为值域）。这使得我们可以将对整个序列的考虑转化为对数级别块的枚举。

应用场景

• 处理子段 GCD 查询问题
• 涉及区间 GCD 修改的问题

例题解析

例 1.1 HDU 5869. Different GCD Subarray Query

题意：给定长度为 n 的正整数序列 a，进行 q 次查询，每次查询区间 [l, r] 内所有子段的不同 GCD 个数。

数据范围：1 ≤ n, q ≤ 1e5，1 ≤ a_i ≤ 1e6

思路：

1. 固定左端点 l，向右扩展右端点 r 时，不同的 gcd(a[l...r]) 只有 O(log V) 个
2. 预处理出所有可能的 GCD 块
3. 离线查询，用 BIT 维护

时间复杂度：O(n log n log V)

例 1.2 QOJ 9426. Relearn through Review

题意：给定长度为 n 的正整数序列，最多可以选择一个区间 [l, r] 整体加上 k，最大化整个序列的 GCD。

数据范围：1 ≤ n ≤ 3e5，1 ≤ k, a_i ≤ 1e18

思路：

1. 考虑前缀 GCD 的单调不升性质，将其划分为若干块
2. 每块只需考虑对块首进行枚举计算
3. 块数为 O(log n) 级别

时间复杂度：O(n log² n)

🔁 2. 奇偶位反转技巧 ★☆

核心思想

当需要对 01 字符串进行相邻相同字符操作时（如翻转 AA 或 BB），可以考虑对所有偶数位（或奇数位）取反，将操作转化为相邻不同字符的操作（如交换 AB），从而简化问题。

应用场景

• 字符串相邻字符翻转问题
• 涉及对称性操作的字符串问题

例题解析

例 2.1 Atcoder TKPPC6-2 B. Replace to Order

题意：给定由 A 和 B 组成的字符串 S 和 T，每次操作可以选择一个 AA 或 BB 子串翻转为 BB 或 AA，求从 S 变到 T 的最小操作次数。

数据范围：2 ≤ n ≤ 2e5

思路：

1. 翻转偶数位后，操作变为交换相邻的 AB 或 BA
2. 问题转化为通过交换相邻相异字符使字符串匹配
3. 贪心考虑每个 A 的相对位置变化

时间复杂度：O(n)

例 2.2 QOJ 9565. Birthday Gift

题意：给定由 0、1、2 组成的字符串，可以进行两种操作：① 将 2 改为 0 或 1；② 删除子串 00 或 11。最小化最终字符串长度。

数据范围：1 ≤ n ≤ 2e5

思路：

1. 翻转偶数位，删除操作变为删除 01 或 10
2. 最终字符串必为全 0 或全 1
3. 设原字符串中 0、1、2 的个数为 c₀、c₁、c₂
4. 删除操作不改变 |c₀ - c₁|，根据 c₂ 和 |c₀ - c₁| 的关系讨论

时间复杂度：O(n)

🚀 3. 倍增 Floyd ★★

核心思想

当 Floyd 算法中的运算（min 和 +）满足结合律时，可以将转移看作矩阵乘法，用矩阵快速幂加速。这适用于需要恰好经过 k 条边的路径问题。

应用场景

• 恰好经过 k 条边的最短路问题
• 具有结合律的图论递推问题

例题解析

例 3.1 Luogu P2886. Cow Relays G

题意：给定 n 个点 m 条边的无向带权图，求从 s 到 t 恰好经过 k 条边的最短路。

数据范围：1 ≤ k ≤ 1e6，1 ≤ m ≤ 100，1 ≤ n ≤ 200

思路：

1. 将 Floyd 转移写作矩阵形式：f'[i][j] = min(f'[i][j], f[i][k] + f[k][j])
2. 做 k 次转移等价于经过 k 条边
3. 使用矩阵快速幂加速

时间复杂度：O(n³ log k)

例 3.2 Luogu P6190. 魔法

题意：给定 n 个点 m 条边的有向带权图，从 1 到 n，最多可以使用 k 次魔法，每次魔法可使某条边的权值取负，求最短路。

数据范围：1 ≤ n ≤ 100，1 ≤ m ≤ 2500，1 ≤ k ≤ 1e6

思路：

1. k=0 时直接 Floyd
2. k=1 时，枚举边 (u, v, w)，转移为：f[i][j] = min(f[i][j], f[i][u] + f[v][j] - w)
3. k>1 时，将 k=1 的转移矩阵做 k 次幂（矩阵快速幂）

时间复杂度：O(n³ log k)

🔗 4. 倍增优化并查集 ★★★

核心思想

当需要合并两个区间内的所有元素时，由于并查集的合并操作满足结合律，可以类似 ST 表进行倍增优化：将区间拆分为 2^k 长度的块进行合并，最后再下传信息。

应用场景

• 区间元素批量合并问题
• 需要高效处理大量区间等价关系的问题

例题解析

例 4.1 Luogu P3295. 萌萌哒

题意：一个长度为 n 的正整数 S，有 m 个要求：S[l₁:r₁] = S[l₂:r₂]，求满足所有要求的不同的 S 的数量。

数据范围：1 ≤ n ≤ 1e5，1 ≤ m ≤ 1e5，r₁-l₁ = r₂-l₂

思路：

1. 建立 log n 个并查集，第 j 层 fa[i][j] 表示区间 [i, i+2^j-1] 的代表
2. 将每个要求拆分为两个 2^k 长度的区间进行合并
3. 从上到下传递信息：将大区间的关系拆分为两个小区间
4. 统计最底层连通块数量 c，第一位不能为 0，答案为 9 × 10^(c-1)

时间复杂度：O(n log n α(n))

🌳 5. 图转生成树 ★☆

核心思想

当在无向图上的操作或查询难以处理时，可以考虑在其生成树（或生成森林） 上进行。树的结构更简单，便于应用树形 DP、贪心等算法。

应用场景

• 图上的删点/删边问题
• 需要简化图结构进行分析的问题

例题解析

例 5.1 Luogu P4494. 反色游戏

题意：给定 n 个点 m 条边的无向图，节点有黑白两色。每次操作选择一条边，将其两端点颜色反转。对于每个点 i，求删去点 i 及其关联边后，能使所有节点变白的操作方案数。

数据范围：1 ≤ n, m ≤ 1e5，无重边自环

思路：

1. 不删点的情况：

   • 操作不改变黑色节点数量的奇偶性
   • 连通块内黑色节点数为奇数则无解
   • 在生成树上从叶子向上贪心，方案数为 2^(m-n+c)（c 为连通块数）

2. 删点的情况：

   • 孤立点：直接判断
   • 割点：判断所有新连通块的黑点奇偶性
   • 非割点：判断所在连通块的变化

时间复杂度：O(n)

例 5.2 Luogu P11360. 管道

题意：给定 n 点 m 边的图，求每个极大连通子图内的所有桥。

数据范围：1 ≤ n ≤ 1e5，1 ≤ m ≤ 6e6，内存限制 16 MB

思路：

1. 正常 tarjan 算法内存不足
2. 在生成树中，桥是未被非树边覆盖的树边
3. 在生成树上做路径覆盖（树上差分）
4. 非树边不会构成环，因此只需保留 O(n) 条关键边

时间复杂度：O(m α(n) + n log n)

🕸️ 6. 图上连边二元组 ★☆

核心思想

将题目中给出的二元组关系 (a, b) 视为图中的一条边，通过分析图的属性（如连通性、生成树）来解决问题。

应用场景

• 约束条件满足性问题
• 区间操作转单点操作的问题

例题解析

例 6.1 ABC155 F. Perils in Parallel

题意：有 n 个位于位置 a_i、状态为 b_i ∈ {0,1} 的灯，m 个开关，第 i 个开关反转区间 [l_i, r_i] 内所有灯的状态。构造方案使所有灯状态为 0。

数据范围：1 ≤ n ≤ 1e5，1 ≤ m ≤ 2e5

思路：

1. 对 b_i 进行异或差分，区间操作变为单点操作
2. 连边 (l_i, r_i)，操作变为选择一条边，反转其两端点状态
3. 在生成森林上从叶子向上贪心

时间复杂度：O(n)

例 6.2 CF1815C. Between

题意：给定 n、m 和 m 个二元组 (a_i, b_i)，构造最长序列 p，要求：① 有恰好一个 p_i = 1；② 对于每个二元组，任意两个 a_i 之间必须至少有一个 b_i。

数据范围：1 ≤ n ≤ 1500，1 ≤ m ≤ 3000

思路：

1. 设 c_i 为数字 i 的出现次数
2. 对每个二元组 (x, y)，有约束 c_x ≤ c_y + 1
3. 连边 b_i → a_i，权值为 1
4. BFS 求出每个 c_i 的最大值
5. 按照特定模式构造序列

时间复杂度：O(nm)

---

第二篇

https://www.luogu.com.cn/article/krybn2f5

📌 核心解题思想

1. 问题转化与简化

• 序列分治：序列问题难以直接解决时，尝试分治思想。
• 状态细化：计数问题的核心是通过强制细化状态或增加维度来实现不重不漏。
• 规约模型：数据结构的精髓是将问题规约到已有模型，本质是合并重复信息。
• 降维打击：无法动态查询时，离线后动态维护当前状态；多组询问常通过离线维护信息来降维。

2. 顺序与方向

• 顺序影响：优先考虑操作顺序对答案的影响。若无影响，可使用带修莫队、撤销DP等。
• 反向思维：有向图正图难做时，考虑建立反图。
• 时间倒流：只允许尾部撤销的操作，可用线段树分治维护。

3. 优化与搜索策略

• 状态优化：写DP前首先考虑优化状态设计。
• 搜索剪枝：当状态数不多时，尝试直接搜索。
• 二分答案：当要求一个最优状态，且劣状态可由优状态到达时，尝试使用二分。

🔧 实用技巧分类

数据结构技巧

• 根号分治：小段暴力处理，大段打标记维护。
• bitset优化：
  • 用于求传递闭包。
  • 优化01背包合法性判断并记录状态（参考CF356D）。
• 区间操作：给定若干区间，去除被完全包含的区间后，按左端点排序，右端点也是升序。
• 离散化优化：块内离散化效率严重依赖内存访问连续性。
• 子树信息：DFN序的中位数一定在树重心的子树内。
• 连通块计算：连通块数 = 点数 - 边数。

图论相关技巧

• 树上路径：树上路径问题常可拆分为深度差相关的问题。
• 最小连通子图：树上一个点集的最小连通子图，是其按DFN序排序后，相邻点距离之和（参考CF372D）。
• 环上问题：图的问题若环内贡献可简单求出，考虑缩点。
• DAG性质：DAG拓扑排序中，任意时刻队列里的点都不可互相到达（参考CF1062F）。
• DFS树性质：无向图的DFS树不存在横叉边。
• 随机化应用：题面未规定根时，可随机选根以避免被卡。

动态规划优化

• 计数DP：树上计数DP，若状态f[u]表示子树内答案且所求为连通块，则令f[u]的答案强制包含u，u到父亲强制不选。
• 期望DP：期望题有时可不解方程，只求出目标值的系数和常数项。
• 换根DP：换根DP可以使用分治来避免撤销操作。
• 矩阵加速：直接维护困难但递推关系简单时，可使用矩阵乘法；带撤销则可用线段树维护矩阵乘法。
• 双栈技巧：用于可合并区间的不带删尺取法。核心是枚举中间点，左右拼区间，处理完后中间点直接跳到右区间。

数学与几何

• 扫描线思想：最大化一个集合的最小值，可考虑从大到小的类扫描线方法。
• 射线法：判断点是否在多边形内，可从该点引射线，与多边形边相交奇数次则在内部，偶数次则在外部。方向限定时，区间可视为上开下闭（参考CF375C）。
• 凸包面积：精度要求较低时，求凸包面积可直接用积分近似（参考CF379E）。
• 线性基：线性基中，如果某一位是某个基的最高位，则只有那个基的这一位为1；否则任何最高位大于这一位的基，其这一位可为任意数（参考CF388D）。
• 子集求和：使用高维前缀和（SOS DP）。
• 组合数区间加：可通过高阶差分转化为单点修改（参考CF407C）。
• 整数根判定：求多项式整数根时，利用因式定理，只有常数项的因数可能是答案。

字符串与构造

• 字符串匹配：考虑根号分治策略（参考CF444D）。
• 一一对应：计数问题转化时，常考虑“一一对应”原则（参考CF40E）。
• 构造技巧：尝试整体移动并加上同一个变化量（参考CF468C）。
• 等差数列判定：判断排列是否存在长度为3的等差数列子序列，可转化为求中间位置的数向两边拓展是否形成回文串（参考CF452F）。

高效编码与优化

• 变量定义：事先定义全局变量通常比多次定义局部变量快。
• 取模优化：
  • 数据比模数大时先取模。
  • 多个n级别的数可先加起来再取模。
  • 矩阵快速幂时注意顺序，并可采用ull暂存、累计多次再取模的策略。
• 栈优化：用栈模拟递归时，可使用“当前弧”优化。
• 结构体清空：使用结构体前务必清空。
• 容器选择：unordered_set (uset) 通常远快于 unordered_map (umap)。

🎯 特定问题模式

区间与序列

• 区间翻转：区间翻转一个排列，最多会引入四个不连续的位置。
• 区间合并：两部分组合时，考虑枚举中间的分割线。
• 区间取交：多个区间取交集，结果仍是一个区间，可枚举交集的左端点。
• 区间树：序列上若干不交错（包含或无交）的区间，可以构成一棵树形结构（参考CF494C）。
• 括号序列：维护括号序列可以转化为树问题，树也可以转化为括号序列。

图与网络

• 链修改离线：树上有多次基于原树、一端固定的链修改，可将所有修改离线，从固定端开始DFS，动态插入和撤销维护（参考P3722）。
• 路径统计：对于A->B->C->D类路径统计，可先预处理A->B->C，再组合A->(B->C)->D（参考CF416E）。
• 环上最大流：断掉环上边权最小的边，并将剩余环上每条边加上该最小边权，则最大流等于链上最小值。
• 图上贪心：图上路径最小值类问题，可考虑将边或点排序后，从小到大依次选取（参考CF444E）。
• 最大匹配贪心：求最大公因数大于1的最大匹配，可从大到小枚举素数，优先匹配其倍数。最后常保留2的倍数，因其出现最多（参考CF449C）。
• 网格染色：网格图（对角线）染四种颜色，要求每条边连接的两顶点颜色不同。合法方案当且仅当奇数行循环1212，偶数行循环3434。

计数与容斥

• 组合意义：组合数C(n, k)的组合意义是枚举大小为k的子集（参考CF457D）。
• 容斥转移：容斥时，一些状态可以由另一些状态通过一一对应的方式转移而来（参考CF348D）。
• 浮点精度：答案为浮点数时，当x较大，x/2^k类的贡献可以忽略（参考CF380E）。

💎 核心结论与模板

• 快速幂前提：任何满足结合律的运算都可以用快速幂加速。
• 整体二分：适用于多种有单调性的问题（参考CF484E）。
• 树上高斯消元：从叶子向上消元，再从根向下回代，时间复杂度可优化至O(n)或O(n log n)。
• 多项式处理：Σai^2 = (Σai)^2 - 2ΣΣaiaj。
• 等价转化：通过形式转化（如a/b与a*(1/b)），将问题化为相同形式。

---

第三篇

https://www.cnblogs.com/wyb-sen/p/17234499.html

1. 二分答案 (Binary Search)

核心思想：将最优化问题转化为可行性判定问题。

“看到数据范围出 log 了...我们就无脑二分。”

• 应用：当直接求解最优值困难，但给定一个值后容易判断其是否可行（或优于目标）时使用。
• 进阶：判定解是否存在有时可理解为计数问题。例：Gym102354B 通过二分将 max 问题转化为 sum 问题。

2. 正难则反 / 时间倒流 (Reverse Thinking)

核心思想：正向操作或思考困难时，尝试逆向过程。

• 应用场景：
  • 操作删除：将“边选边删”倒流为“边出现边选”，更符合贪心逻辑。（例：CCO2017 Professional Network）
  • 维护困难：将离线问题中的删除操作倒序变为添加操作，便于用数据结构维护。（例：WC2006 水管局长）
  • 条件转化：直接统计合法方案困难时，考虑统计非法方案再用总数减去。（例：CF1750F Majority）
• 要点：很多出题思路源于逆向思考，正解常是逆向过程的模拟。

3. 差分序列 (Difference Array)

核心思想：将区间操作转化为差分序列上的单点操作。

• 核心优势：极大地简化了区间加、区间修改等问题的维护难度。
• 关键变化：转化后问题的充要条件可能发生变化，需仔细分析。
  • 例：ARC136C Circular Addition 中，环形序列区间+1/-1操作转化为差分数组上的+1/-1操作后，答案变为差分性质与原序列最大值的综合分析。
• 扩展应用：
  • 结合前缀和思想处理区间查询。
  • 将形如 max - min 的约束转化为差分序列的约束来构造。
  • 维护“区间修改 + 前缀最大值”问题时，维护差分数组可能更方便。

实用技巧分类

一、 问题转化与构造技巧

1. 交换枚举顺序
   • 核心：改变循环嵌套顺序，可能带来复杂度优化或模型转化。
2. 削减问题规模递归处理
   • 核心：将大问题分解为结构相似的子问题递归求解。
   • 例：Ptz Summer 2022 Day2E Ternary Search。
3. 邻项交换分析
   • 核心：用于证明贪心策略的正确性，通过分析交换相邻两项对答案的影响。
   • 例：在排序确定最优顺序时，可通过分析交换相邻两项的代价来推导全序关系。
4. 上下界调整
   • 核心：如果理论上界和下界之间的所有值都能通过调整策略取得，则问题往往被简化为计算上下界。
   • 例：ARC125F Tree Degree Subset Sum 中，证明了对于任意可行的度和，其对应的点数可以在一个连续区间内取到，从而消去一维状态。
5. 对 11/00 操作 → 对 10 操作
   • 核心：对奇数位或偶数位进行整体反转（如 0变1，1变0），可以将对相邻相同位的操作转化为对相邻相异位的操作（如交换），大幅简化问题。
   • 例：CF1615F LEGOndary Grandmaster；AGC040C Neither AB nor BA。
6. 从出题人角度思考
   • 核心：思考题目限制（如为何只能交换相邻项）背后的原因，这往往是解题的突破口。考虑如果放宽条件，问题是否会变得不可做或过于复杂。

二、 数据结构与算法应用技巧

1. 01-BFS
   • 核心：边权仅为 0 或 1 时，使用双端队列进行 BFS，时间复杂度可降至 O(V+E)。
   • 提醒：这是一个简单但易忘的技巧。
2. 单调栈退栈时转移
   • 核心：在单调栈维护元素弹出时，进行动态规划状态转移，常是满足某种单调性（如最近更大值）的转移。
   • 例：CF1407D Discrete Centrifugal Jumps。
3. 虚点 (Virtual Point)
   • 核心：建立虚拟节点来统一处理对某个集合的操作，常用于优化建图。
   • 应用：需要对一个集合所有点连边时，只需向虚点连边。
   • 例：ABC250Ex 中利用虚点思想辅助建图，再使用 Kruskal 重构树。
4. 求第 k 大 / 前 k 大方案
   • 第 k 大通用方法：二分答案 mid，转化为统计 ≤ mid 的个数（判定问题）。
   • 前 k 大方案：使用优先队列多路归并。初始将各组最大值入堆，弹出后补充该组下一大值。
   • 核心：将排名问题转化为计数问题。

三、 图论与构造技巧

1. 构造题基本逻辑
   • 考虑下界：先理论分析答案的下界。
   • 判断无解：尝试找出无解的充要条件。
   • 尝试连边：将元素间关系抽象为图论模型是常用手段。
   • 调整策略：先构建一个可能不优的解，然后通过局部调整逼近最优。
2. 构造性质图
   • 思路一：强行按照性质要求进行构造。
   • 思路二：如果构造失败，反推性质对图结构的强约束，据此进行构造。
   • 原则：从简单情况入手，逐步规约。

四、 交互题思路

• 倒推法：假设已知某个关键信息（xxx），则问题可解。然后设计策略去获取这个 xxx。
• 核心：将“如何解决问题”转化为“需要什么信息才能解决问题”。

技巧快速索引表

技巧大类	技巧名称	核心要点	典型应用场景/例题
核心思想	二分答案	最优化 -> 判定性	Gym102354B
	正难则反/时间倒流	逆向操作、容斥思考	WC2006水管局长、CCO系列题
	差分序列	区间操作转单点操作	ARC136C、CF1500F
问题转化	邻项交换分析	证明贪心顺序、推导全序关系	国王饮水记变体
	对 11/00操作转化	反转奇偶位，变为交换操作	CF1615F、AGC040C
	上下界调整	证明取值连续，消去维度	ARC125F
数据结构	01-BFS	双端队列处理0/1边权图	WOJ 4701 Walk
	单调栈转移	元素出栈时进行DP转移	CF1407D
	虚点	优化建图，统一处理集合操作	ABC250Ex
	求第k大	二分答案转判定、多路归并	CF601C、前k大方案通用方法
构造与交互	构造通用逻辑	判下界、连边、调整	AMPPZ2014 The Cave
	交互题倒推	确定关键信息需求	各类交互题

---

第四篇

https://www.cnblogs.com/lsj2009/p/17668670.html

图论技巧

技巧	核心思想	说明与例题
删点起手	对于树或DAG的构造等问题，从叶子节点或入度为零的节点开始删点考虑。	一种常见的简化问题起手思路。
倍增Floyd	涉及固定步数的最短路问题，若Floyd的min和+运算满足结合律，可用矩阵快速幂加速。	例：求恰好经过 k 条边的最短路。
LCA优化	点集 {u_n} 的LCA，等于其中DFN序最小和最大的两个点的LCA。	可快速计算多点LCA。参考：CF1062E。
网格图建模	当题目对整行、整列有操作时，可将第 i 行与第 j 列连边，权为 a_{i,j}，常转化为二分图问题。	特殊地，当 a_{i,j}=i+j 时很常用。参考：ARC083F。
虚树应用	树上问题若只涉及部分关键点（如黑白点），且结构与子树无关时，考虑建立虚树简化结构。	用于优化树上DP或路径查询。
点边权转化	当图既有点权又有边权时，考虑将点权拆到邻边上，或将边权集中到点上处理。	方便统一处理，简化模型。
度数根号分治	当算法复杂度与节点度数相关时（例如枚举邻居），考虑按度数大小分类（根号分治）优化。	参考：P3547（三元环计数）。
路径拆分统计	若要计算节点 u 到所有点 v 的某个信息，可将路径 (u,v) 拆为 (u, lca) 和 (lca, v) 两段，分别汇总和下传。	参考：AtCoder Code Festival 2017 Final J。
竞赛图性质	n 个点的竞赛图，其三元环数量为 C(n,3) - ΣC(deg_i, 2)。竞赛图缩点后形成一条链。	用于竞赛图的计数与结构分析。

其他重要技巧：

• 01信息建模：遇到奇偶、黑白、男女等二元状态，考虑二分图、并查集或网络流。
• Boruvka算法：求完全图最小生成树且边权有规律时，考虑此算法。参考：CF888G。
• 欧拉路：要求某些边至少/恰好走一次，考虑欧拉回路/路径的存在性条件。参考：P6628。

数据结构技巧

技巧	核心思想	说明与例题
树剖边转点	将边 (u,v) 的信息放到深度较深的点 v 上。修改/查询链 (u,v) 时，操作 dfn[u] 到 dfn[v] 的点，并排除 lca(u,v)。	将边权问题转化为点权问题处理。
主席树替代树套树	当问题可以离线，或其中一维是可持久化的版本时，主席树（可持久化线段树）可替代树套树。	作用上，主席树 ≈ 不带修的多维线段树。
矩阵维护复杂修改	当区间修改操作复杂但具有线性性时，可尝试用矩阵表示，并用线段树维护矩阵乘（加）。	参考：LOJ2980。
根号分治	当问题中有“出现次数”这类元素时，常可设定阈值，出现次数多的元素种类少、出现少的元素种类多，分别用不同策略处理。	极为重要的复杂度平衡思想。
颜色数转pre数点	统计区间内颜色种类数，常记录每个位置 i 的颜色上一次出现的位置 pre[i]，区间颜色数即区间内 pre[i] < l 的 i 的个数。	经典莫队或线段树/BIT问题。
线段树分治	当遇到删除操作困难，但操作可逆时，离线后按时间轴建立线段树，将操作存在对应区间，遍历线段树时执行加入与回退。	用于处理可撤销并查集、线性基等。
随机二分	查询第 k 小，若存在 O(k log n) 的检查算法但 k 很大时，可随机二分期望值。	参考：P5984。
轻重儿子信息分离	快速统计某点所有儿子的信息，可用一个数据结构维护所有轻儿子信息，重儿子单独查询或维护。由于树剖跳链次数少，轻儿子修改可接受。	参考：CF1172E, P5314。

动态规划技巧

技巧	核心思想	说明与例题
前后缀分离DP	遇到“禁用某个物品”的询问时，预处理前缀DP和后缀DP，回答时合并前后缀信息，避开禁用点。	参考：P1973（强制选）。
数位区间DP	在数位上进行区间DP，而非常规的线性DP，可以处理更复杂的数位间约束关系。	参考：P9129。
状态有用性剪枝	设计DP时，不断思考：哪些状态是真正有用的？ 是否可以合并或舍弃一些状态？	优化状态空间的核心。
利用转移单调性	优化DP状态时，若决策点或转移值具有单调性，则可使用单调队列、二分栈等优化。	例如斜率优化、四边形不等式。
卷积与积性	DP转移方程涉及因数/倍数求和时，可写成 Dirichlet 卷积形式，利用积性函数性质和前缀和优化。	可能需要结合莫比乌斯反演。

数学与杂项技巧

技巧	核心思想	说明与例题
哈希判等	需要快速比较集合或序列是否相等/相似时，考虑哈希。动态维护需用可快速更新的哈希函数（如多项式滚动哈希）。	参考：P5278。
维护前后缀	对“删除”困难的操作（如模非质数除法、线性基相减），改为维护前缀和后缀信息，查询时合并。	参考：CF543D。
根号分治	既是数据结构思想，也是复杂度分析的重要方法。当参数大小两类行为差异大时，用阈值平衡。	非常高频且重要。
绝对值转化	`	a-b
平均数归零	看到“平均数等于 x”，将所有数减去 x，条件转化为“和为 0”。	参考：ARC104C。
组合数奇偶性	C(n,m) 为奇数当且仅当 (m & n) == m（二进制下 m 是 n 的子集）。	卢卡斯定理推论。
异或性质	popcount(x⊕y) ≡ popcount(x)+popcount(y) (mod 2)。偶数 x 满足 x ⊕ (x+1) = 1。	用于奇偶性相关分析。参考：CF1493E。
01序列简化	对于排序、交换类问题，可尝试将所有元素根据与某阈值 x 的关系转化为 01 序列，常能简化问题。	二分答案的配套技巧。
期望线性性	期望 E = Σ p_i * i。可转化为 E = Σ s_i，其中 s_i = Σ_{j=i}^n p_j 是后缀概率和。	参考：CF1523E。
取模周期处理	处理 a mod b 相关问题时，考虑其值以 b 为周期变化，可按周期分组处理。	参考：CF55D, CF1359E。
组合意义转化	遇到奇怪的贡献形式（如 x^k），思考其组合意义（如：x^k 可视为 k 个有序球的方案数）。	将代数问题转化为组合问题。

---

第五篇

https://www.luogu.me/article/fzxdw3x2

📐 数学与公式技巧

• 连通块计数：对于任何图，连通块数量 = 点数 - 边数。这是一个用于快速计算连通分量数量的基础公式。
• 平方和公式：
  \((\sum\limits_{i=1}^ka_i)^2=\sum\limits_{i=1}^k\sum\limits_{j=1}^ka_ia_j=\sum\limits_{i=1}^ka_i^2+2\sum\limits_{i=1}^k\sum\limits_{j=i+1}^ka_ia_j\)
  该公式在将和的平方展开计算时非常有用，常见于计数和期望问题。
• 光速幂优化：预处理一个 O(v√v) 大小的数组 f[i][j] = i^j，即可 O(1) 回答 i^j mod p 的查询。因为 (i^{√v})^j = f[i^{√v}][j] = f[f[i][√v]][j]。
• 绝对值转换：|a-b| = 2*max(a, b) - a - b。这个等式在需要消去绝对值或转换最值运算时很有用。
• 排列与逆序对：一个排列的逆序对数的奇偶性，与 n 减去其置换环个数的奇偶性相同。
• 方案数平方和：所有类别的方案数的平方和，等价于 “任意取出两个方案，且它们属于同一类别” 的方案数。这是从组合意义出发的经典转化。
• 最值嵌套简化：求 min{max(a,b)} 或 max{min(a,b)} 时，可以尝试分类讨论掉内层的 max 或 min。而对于 min{min(...)} 或 max{max(...)}，内层的 min/max 可以直接去掉。
• 调和级数思想：min(n, m) ≤ √(nm) 且 min(n, m) ≤ (n+m)/2。这些不等式常在复杂度分析和放缩时使用。
• 期望与求和转化：时刻记住 Σ i*F(i) = Σ F(≥ i)。当直接计算 F(i) 困难时，计算 F(≥ i) 可能更自然。

🧱 数据结构与算法技巧

• Trie树性质：在 Trie 树上，两个字符串的最长公共前缀（LCP） 对应的节点，就是这两个字符串对应节点的最近公共祖先（LCA）。
• 并查集扩展：在并查集上不仅可以维护连通性，还可以维护子树的和，从而支持快速的单点修改与所属集合的权值查询。
• 01Trie根号平衡：当需要对 01Trie 进行根号平衡时，可以考虑使用 √V 叉的 01Trie，其中 V 是值域。
• 静态区间单调栈：对于静态数组的区间单调栈查询问题（如问区间 [l, r] 内从 l 开始的单调栈），可以使用倍增（Jump Table） 进行预处理来快速回答。
• 李超树扩展：李超树遇到需要增加一维偏序限制（例如，在区间 [l, r] 的函数中找最值）时，可以结合线段树维护凸包的技巧。
• 二维数点简化：如果只是判断存在性（如是否存在纵坐标大于某值的点），二维数点问题有时可以退化为在一维上维护另一维的最值，无需完整二维数据结构。
• 区间最值前缀/后缀：求区间 [l, r] 的最大前缀和或最大后缀和，可以先计算全局前缀和数组 pre[]，问题转化为在 pre[l...r] 上求 pre[i] - pre[l-1] 的最大值，即 RMQ(l, r) - pre[l-1]。
• 子树贡献差分统计：对每个点维护子树内点对它的贡献和（类似 DSU on Tree），如果贡献可差分，可以在 DFS 过程中记录进入点 u 和离开点 u 时的全局贡献和 s，两者之差即为子树总贡献。
• 分治复杂度分析：对于形如 T(n,k) = f(n) + T(n, k-1) + T(n/2, k-1) 的分治复杂度，通常有 T(n,k) = O(k * f(n))，且 k 常为 O(log n)。
• 树形背包复杂度：树上背包，如果每个节点的背包容量上限为 m，则总复杂度是 O(nm) 的，而不是 O(nm²)。
• 括号序性质：利用 DFS 序（括号序）判断节点关系：对于一个点 u，在 DFS 进入它时，不可能已经开始访问其子树；在离开它时，不可能已经结束访问其祖先。

🗺️ 图论与建模技巧

• 环的等价表述：
  1. 若干个不交简单环的并 与 所有简单环和非简单环 存在双射关系。
  2. 所有简单环和非简单环 又与 DFS 树上由若干条返祖边形成的环的异或 存在双射。这是理解图中环空间基的基础。
• 图论模型选择指南：
  • 二分图：适用于“1对1”、“1对k”、“1对a[i]”的匹配，或棋盘黑白染色类问题（骨牌、马步）。别忘了霍尔（Hall）定理。
  • 最小割：适用于“二选一”或“选或不选”的决策问题，常带有矛盾代价。
  • 最大权闭合子图：适用于选择物品有依赖关系（前置条件）的问题。
  • 费用流：适用于可以表示为线性规划模型的问题（如志愿者招募），也可考虑其对偶。
  • 2-SAT：适用于布尔变量的“二选一”或“多选一”构造问题，条件多为“若A则B”形式。
• 经典模型对偶：
  • 二分图最大匹配 ⟺ 最小点覆盖（König定理）
  • 二分图最大权匹配 ⟺ 最小顶标和
• 树上贪心：在树上要求选出尽可能多的链或连通块时，别忘了尝试 从叶子节点向上贪心，遇到能合并或选取的时机就立刻操作。参考题目：CF1039D。
• 区间连边优化：用并查集处理“点与区间内所有点连边”时，可以利用均摊复杂度（如“并查集+向右跳”算法）高效解决，无需线段树优化建图。
• 连通图性质：
  • 连通块无环：森林
  • 连通块最多一个环：基环树森林
  • 连通块内部所有环两两不相交：沙漠图
• 基环树判定：给无向边定向后，若每个点的出度（或入度）均为 1，则该图是基环树（内向/外向基环森林）。

🧮 动态规划与计数技巧

• DP状态与答案互换：当 DP 的状态很多，但答案的值域很小时，可以考虑 交换 DP 维度的含义，将答案作为状态，可行性作为值。
• 排列DP的多种视角：
  1. 每次插入当前最大值（将 n-1 排列扩展为 n 排列）。
  2. 每次填入当前最大值（维护连续段，经典如“连续段DP”）。
  3. 每次在末尾填入一个数，并将前面所有大于等于它的数 +1（维护相对大小）。
• 容斥的生成函数处理：当需要容斥时，可以在推导生成函数（GF）时直接将容斥系数 (-1)^k 带入，一步到位。
• 集合幂级数卷积：做集合幂级数的半在线卷积时，可以按 popcount（元素个数）将下标分类，分别卷积，这相当于增加了一个类似子集卷积的限制。
• 计数转组合意义：这是解决计数问题的核心思想之一。当代数推导复杂时，思考式子的组合意义往往能柳暗花明。
• 贪心策略调整：贪心算法不一定一步到位求出最优解，可以先求出一组可行解，然后通过调整（反悔贪心）逼近最优。
• 区间DP决策单调性：区间 DP 若满足决策单调性（如石子合并），同一行或同一列的决策点是单调移动的，可以用二分队列优化，避免复杂的均摊分析。

📝 字符串、构造与杂项

• 括号序列问题：
  • 当用栈模拟匹配不好做时，可回归定义：不断删去相邻的 ()，或考虑一个合法序列总能拆分成两个合法序列拼接。
  • 括号树（将括号序列转化为树形结构）是处理高级括号序列问题的强大工具。
• 字符串匹配次数界：总长度为 m 的若干模式串，在一个长度为 n 的文本串中，所有模式串出现的总次数为 O(n√m)。这在分析 AC 自动机等算法的复杂度时有用。
• 哈希策略：
  • 字符串值域大时，适当增大哈希基数（Base）。
  • 为确保安全，尽量使用双模哈希，或自然溢出。
  • 对于“字母括号匹配”类问题（如 CSP-J 的“消消乐”），可以尝试矩阵哈希来维护结构信息。
• AC自动机建图：当字符集很大时，构建 AC 自动机的 next 指针可以不用遍历字符集，而是直接在 fail 树上跳转，总复杂度与所有模式串总长相关。
• 构造题思路：
  • 对于“所有数相等”类操作问题，将操作视为边，数字视为点，问题可能转化为求这些点在某个树/图上的 LCA 或距离问题。
  • 当正向难以思考时，考虑二分答案的推广：不仅最值可以二分，求任意解也可以二分（每次确定解在某一侧）。
• 代码与常数优化：
  • Python 输出超长整数时，需加 sys.set_int_max_str_digits(1000000) 调整限制。
  • cmath 中的 long double 数学函数可能比想象中慢。
  • 多次调用的“大”函数，不加 inline 可能比加上更快（避免代码膨胀）。
  • 短 vector 的常数比数组大，长 vector 与数组接近。
• 实用提醒：
  • 不要忘记期望的线性性。
  • 看到“平均值”条件，考虑分数规划。
  • 树形 DP 有后效性时，考虑树上高斯消元。
  • 模型建不出来时，换一种建模思路或许海阔天空。

第六篇

https://www.luogu.me/article/o0yp5tx3

核心技巧一览

1. 镜像法优化 DP

• 核心思想：当动态规划中存在复杂的边界情况时，可以通过构造镜像状态来简化初始化和转移逻辑。
• 应用场景：常用于线性DP或区间DP中，将边界状态复制或对称映射，使所有状态能用统一的转移方程处理，避免繁琐的特判。
• 本质：一种通过增加状态或预处理来统一处理边界的思想。

2. 随机化处理“不少于一半”问题

• 核心思想：当问题要求从集合中找出一个满足“不少于一半”元素具有某种性质的元素时，可以随机选取一个元素并进行验证。
• 原理：一个满足条件的元素在集合中占比至少为1/2，因此随机选取一次命中它的概率不低于50%。通过多次随机选取并验证，可以极大概率（随着尝试次数指数级增加）找到答案。
• 优势：将复杂的构造或筛选问题转化为简单的验证问题，思想简单且代码易于实现。
• 关键：需要有一个高效的验证算法。

3. 多路归并求前 K 大

• 核心思想：需要从 m 个有序序列中找出全局前 k 大的元素时，使用优先队列（最小堆）进行多路归并。
• 算法步骤：
  1. 将每个序列的当前最大值（即其首个元素）放入优先队列。
  2. 从堆中弹出堆顶元素（当前全局最大），将其加入答案。
  3. 从弹出元素所在的序列中，取出下一个元素放入堆中。
  4. 重复步骤2-3，直到找到 k 个元素。
• 时间复杂度：O(k log m)，优于将所有序列合并后再排序的 O(m*len*log(m*len))。
• 例题：P1631 序列合并, P5283 异或粽子

4. NFA 转 DFA 计数合法方案

• 核心思想：解决“有多少种存在合法方案”的计数问题时，可以将其建模为一个非确定有限状态自动机（NFA）。然后将NFA确定化，转换为确定有限状态自动机（DFA），并以DFA的状态集合作为动态规划的状态进行转移计数。
• 关键点：
  • NFA便于描述问题中复杂的转移关系。
  • DFA的状态是NFA状态的幂集，但实际问题中可达的状态集合数通常远小于理论最大值，可以被接受。
  • 在得到的DFA上，从初始状态到任意接收状态的路径数，就对应了原问题的方案数。
• 应用场景：模式匹配、复杂规则下的字符串计数、某些游戏局面分析。
• 例题：各类“麻将和牌型计数”题， THUPC 决赛 2024 L， AT_mujin_pc_2018_h

5. 实数二分求精确分数解

• 核心思想：当需要二分一个分数答案但不会处理 Stern-Brocot 树等分数二分技巧时，可以先在实数域上进行二分，得到一个满足精度的实数解。然后再根据这个实数解和问题的具体约束，构造或推算出精确的分数解。
• 步骤：
  1. 在实数范围内二分，得到一个满足误差要求的近似值 x。
  2. 利用 x 和原问题的条件（如所有变量为整数、需要最简分数等），通过数学推导或枚举可能的分母，找到最接近 x 且满足所有约束的分数。
• 优点：思维难度低，规避了复杂的分数运算和比较。
• 例题：HDU8053

---