博主有幸參加了NOI2020，考場上的經歷和心得請見這篇文章。這里就不嘮叨了。
本題題解
朴素DP
考慮前兩檔部分分，也就是\(T\)沒那么大的時候。我們可以做一個簡單的DP。設\(dp[i][u]\)表示在第\(i\)天，走到了圖上的節點\(u\)，一路上總共能獲得的最大愉悅值。轉移時，可以枚舉點\(u\)的一條出邊\((u,v,w)\)，然后用\(dp[i][u]+c[v]\)去更新\(dp[i+w][v]\)，當然，如果第\(i+w\)天點\(v\)恰好在舉辦美食節，還要加上額外產生的愉悅值。
因為保證了\(w>0\)，所以這個DP滿足無后效性，狀態非常合理。時間復雜度\(O(T(n+m))\)，期望得分\(40\)分。加上環的部分分（簡單特判），可以得到\(50\)分。
矩陣優化
因為\(T\)很大而\(n,m,w\)都較小，容易想到用矩陣快速冪優化。
對於傳統的矩陣乘法，我們是這樣定義的：
但在本題中，DP的轉移不是相加而是取\(\max\)。我們根據本題中的需要，定義一種新的矩陣乘法，不妨記為\(\otimes\)：
也就是把原來外層的\(+\)換成\(\max\)，把原來內層的\(\times\)換成\(+\)。可以證明，這個矩陣乘法仍然是成立的，並且滿足原來的種種性質（比如結合律，其實矩陣快速冪優化DP的本質就是用到結合律）。證明略。
值得一提的是，這種重新定義的矩陣乘法，在一類動態DP問題中經常用到。例如NOIP2018 保衛王國。
回到我們的DP。先只考慮\(k=0\)，也就是沒有美食節的情況。
發現從\(dp[i][\dots]\)轉移到\(dp[i+w][\dots]\)不太好處理（一般的矩陣快速冪優化DP，只會從\(i\)轉移到\(i+1\)）。但是我們發現\(w\)很小，\(\leq 5\)，所以可以考慮把原來的一條邊，拆成\(w\)條邊。也就是原本的\((u,v,w)\)，拆成：\((u,e_1,w),(e_1,e_2,0),\dots,(e_{w-2},e_{w-1},0),(e_{w-1},v,0)\)。這樣雖然點數變多了（變成了\(n+4m\)），但是只會從\(i\)轉移到\(i+1\)了，可以用矩陣快速冪優化DP。
具體來說，我們根據兩個點之間相連的邊權（沒有邊就是\(-\inf\)，有邊邊權就是\(0\)或\(w\)，前面已經標出），構造一個轉移矩陣\(G\)。則\(dp[i]=dp[i-1]\otimes G\)。答案就是\(dp[T][1] = (dp[1]\otimes G^T)[1]\)。
時間復雜度\(O((n+4m)^3\log T)\)。
注意到\(m\)可能比\(n\)大不少，所以可以把拆邊改成拆點。具體來說，把一個點\(u\)，變成\(u_1\to u_2\to \dots \to u_5\)的這樣一個結構，邊權都是\(0\)。出發點設為\(1_1\)。對於一條邊\((u,v,w)\)，我們從\(u_w\)向\(v_1\)連一條邊權為\(c[v]\)的邊。這樣相當於要先從\(u_1\)走到\(u_w\)，再從\(u_w\)走到\(v\)，剛好經過了\(w\)條邊，也就是起到了從\(dp[i]\)轉移到\(dp[i+w]\)的效果。
時間復雜度優化為\(O((5n)^3\log T)\)。可以通過\(k=0\)的部分分。結合前面的暴力，期望得分\(65\)分。
k個美食節怎么處理？
以上的矩陣快速冪，目前還只能處理\(k=0\)，也就是沒有美食節的情況。考慮\(k>0\)時怎么做。
注意到題目保證了任意兩個美食節不在同一天舉辦。所以可以先將美食節按舉辦時間從小到大排序。然后在任意兩個美食節之間，做一遍普通的DP轉移。例如，第\(j\)個美食節的舉辦日期為\(t_j\)，第\(j-1\)個美食節舉辦日前為\(t_{j-1}\)，則這段的轉移就是：\(dp[t_{j}] = dp[t_{j-1}]\otimes G^{t_{j}-t_{j-1}}\)。轉移完成后，再令\(dp[t_j][x_j]\texttt{+=}y_j\)。也就是加上了美食節的貢獻。
最后，如果\(t_k\neq T\)，再從\(dp[t_k]\)轉移到\(dp[T]\)就行。
直接按此做法實現的話，時間復雜度\(O(k\cdot (5n)^3\cdot \log T)\)。可以通過\(k\leq 10\)的部分分，結合前面的暴力，期望得分\(75\)分。
進一步優化
我們發現所做的\(k\)次轉移，每次都是乘以同一個轉移矩陣的若干次冪。
我們考慮把【\(G\)的【\(2\)的次冪】次冪】（也就是\(G^1,G^2,G^4,G^8,G^{16},\dots ,G^{2^{29}}\)）預處理出來。預處理的時間復雜度為\(O((5n)^3\log T)\)。
然后，在做每個美食節的轉移時，對\((t_j-t_{j-1})\)這個數做二進制分解，設\(t_j-t_{j-1}=2^{p_1}+2^{p_2}+\dots +2^{p_l}\)，也就是\(p_1\dots p_l\)這些二進制位上為\(1\)。那么我們只需要用\(dp[t_{j-1}]\)，依次乘以預處理好的\(G^{2^{p_1}},G^{2^{p_2}},\dots,G^{2^{p_l}}\)，即可得到\(dp[t_j]\)。而因為\(dp[i]\)是一個\(1\times 5n\)的“長條”（又叫向量）而不是一個真正的矩陣，所以每次乘法的時間復雜度只有\(O((5n)^2)\)。所有轉移的總復雜度\(O(k\cdot (5n)^2\cdot \log T)\)。
總時間復雜度\(O((5n)^3\log T+ k\cdot (5n)^2\log T)\)。
這個優化方法和NOI Online 3 魔法值這題很類似。
參考代碼
友情提醒，在LOJ提交時，記得開freopen，也就是和考場上要求一樣。
//problem:LOJ3339
#include <bits/stdc++.h>
using namespace std;
#define pb push_back
#define mk make_pair
#define lob lower_bound
#define upb upper_bound
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
typedef unsigned int uint;
typedef long long ll;
typedef unsigned long long ull;
typedef pair<int,int> pii;
template<typename T>inline void ckmax(T& x,T y){x=(y>x?y:x);}
template<typename T>inline void ckmin(T& x,T y){x=(y<x?y:x);}
const int MAXN = 50, MAXM = 501, MAXW = 5, MAXK = 200;
const int LOGT = 29;
const int MT_SIZE = MAXN*5;
const ll LL_INF = 1e18;
struct Matrix{
ll a[MT_SIZE+5][MT_SIZE+5];
int size;
void identity() {
for(int i=1;i<=size;++i) {
for(int j=1;j<=size;++j){
a[i][j] = (i==j ? 0 : -LL_INF);
}
}
}
Matrix(){
for(int i=1;i<=MT_SIZE;++i)
for(int j=1;j<=MT_SIZE;++j)
a[i][j] = -LL_INF;
size=0;
}
};
Matrix operator * (const Matrix& A, const Matrix& B) {
Matrix C;
assert(A.size==B.size);
C.size = A.size;
for(int i=1;i<=A.size;++i){
for(int j=1;j<=A.size;++j){
for(int k=1;k<=A.size;++k){
if(A.a[i][k] == -LL_INF || B.a[k][j] == -LL_INF)
continue;
ckmax(C.a[i][j], A.a[i][k]+B.a[k][j]);
}
}
}
return C;
}
Matrix mat_pow(Matrix X,int i) {
Matrix Y;
Y.size = X.size;
Y.identity();
while(i){
if(i&1)
Y=Y*X;
X=X*X;
i>>=1;
}
return Y;
}
int n,m,T,K,c[MAXN+5];
int id[MAXN+5][MAXW+5],cnt_id;
struct Event{
int t,u,w;
bool operator < (const Event& rhs) const {
return t < rhs.t;
}
}ev[MAXK+5];
Matrix trans,pow_of_trans[LOGT+1];
void init_pow_of_trans() {
pow_of_trans[0] = trans;
for(int i=1; i<=LOGT; ++i) {
pow_of_trans[i] = pow_of_trans[i-1] * pow_of_trans[i-1];
}
}
void mul_pow_of_trans(Matrix& A, int mi) {
// O(size^2 * log k)
for(int bit=0; bit<=LOGT; ++bit) {
if((mi>>bit) & 1) {
//向量乘矩陣
Matrix res;
res.size=A.size;
for(int j=1; j<=A.size; ++j) {
for(int k=1; k<=A.size; ++k) {
if(A.a[1][k] == -LL_INF || pow_of_trans[bit].a[k][j] == -LL_INF)
continue;
ckmax(res.a[1][j], A.a[1][k] + pow_of_trans[bit].a[k][j]);
}
}
A = res;
}
}
}
int main() {
// freopen("delicacy.in", "r", stdin);
// freopen("delicacy.out", "w", stdout);
cin >> n >> m >> T >> K;
for(int i=1;i<=n;++i) {
cin >> c[i];
}
trans.size = n*5;
for(int i=1;i<=n;++i) {
for(int j=1;j<=5;++j) {
id[i][j] = ++cnt_id;
}
for(int j=1;j<5;++j) {
trans.a[id[i][j]][id[i][j+1]] = 0;
}
}
for(int i=1;i<=m;++i) {
int u,v,w;
cin >> u >> v >> w;
trans.a[id[u][w]][id[v][1]]=c[v];
}
for(int i=1; i<=K; ++i) {
cin >> ev[i].t >> ev[i].u >> ev[i].w;
}
sort(ev+1, ev+K+1);
Matrix A;
A.size = n*5;
A.a[1][id[1][1]] = c[1];
init_pow_of_trans();
int last_time = 0;
for(int i=1; i<=K; ++i) {
mul_pow_of_trans(A, ev[i].t - last_time);
// 相當於: A = A * mat_pow(trans, ev[i].t - last_time);
if(A.a[1][id[ev[i].u][1]] != -LL_INF) {
A.a[1][id[ev[i].u][1]] += ev[i].w;
}
last_time = ev[i].t;
}
if(last_time != T) {
mul_pow_of_trans(A, T - last_time);
}
if(A.a[1][id[1][1]] == -LL_INF)
cout << -1 << endl;
else
cout << A.a[1][id[1][1]] << endl;
return 0;
}