UVa 12333 Revenge of Fibonacci
题目描述
斐波那契数列的定义如下:
F(0)=F(1)=1F(n)=F(n−1)+F(n−2)∀n≥2 F(0) = F(1) = 1 \\ F(n) = F(n - 1) + F(n - 2) \quad \forall n \geq 2 F(0)=F(1)=1F(n)=F(n−1)+F(n−2)∀n≥2
给定多个测试用例,每个测试用例给出一个数字字符串(最多 404040 位),要求找到最小的索引 nnn(n<100000n < 100000n<100000),使得 F(n)F(n)F(n) 的十进制表示以该字符串为前缀。如果不存在这样的 nnn,则输出 −1-1−1。
题目分析
问题难点
- 大数处理:第 100000100000100000 个斐波那契数有大约 208992089920899 位,无法用标准数据类型存储
- 前缀匹配:需要高效匹配多个查询字符串的前缀
- 性能要求:最多 500005000050000 个测试用例,需要高效算法
关键观察
- 我们只需要斐波那契数的前 404040 位来进行前缀匹配,但计算时必须保证这 404040 位的准确性
- 由于查询是离线的,可以预处理所有查询,然后边计算斐波那契数边进行匹配
- 使用 Trie\texttt{Trie}Trie 树可以高效地进行多模式前缀匹配
解题思路
1. 高精度计算
使用高精度加法来计算斐波那契数列。为了优化性能:
- 采用 888 位压位(BASE=108\texttt{BASE} = 10^8BASE=108),减少计算和存储开销
- 使用滚动数组,只存储最近 333 个斐波那契数
- 数组 f[3][MAXN]\texttt{f[3][MAXN]}f[3][MAXN] 存储高精度数,其中 MAXN\texttt{MAXN}MAXN 是最大位数
2. 前缀匹配优化
构建 Trie\texttt{Trie}Trie 树来存储所有查询前缀:
- 每个节点包含子节点指针数组 children[10]\texttt{children[10]}children[10] 和查询索引列表 idxs\texttt{idxs}idxs
- 对于查询字符串 "123"\texttt{"123"}"123",在 Trie\texttt{Trie}Trie 中创建路径 1→2→31 \rightarrow 2 \rightarrow 31→2→3,并将查询索引加入叶节点的 idxs\texttt{idxs}idxs 列表
3. 实时匹配策略
在计算每个斐波那契数时:
- 提取前 404040 位数字(考虑压位的前导零处理)
- 在 Trie\texttt{Trie}Trie 中遍历匹配路径
- 如果到达包含查询索引的节点且未被访问过,记录答案并标记为已访问
- 当所有查询都找到答案时提前终止计算
4. 特殊处理
- 查询 "1"\texttt{"1"}"1" 直接对应 F(0)F(0)F(0) 或 F(1)F(1)F(1)
- 使用 visited\texttt{visited}visited 标记避免重复处理
- 计数器 cnt\texttt{cnt}cnt 跟踪已解决的查询数量
参考代码
// Revenge of Fibonacci
// UVa ID: 12333
// Verdict: Accepted
// Submission Date: 2025-10-29
// UVa Run Time: 0.320s
//
// 版权所有(C)2025,邱秋。metaphysis # yeah dot net#include <bits/stdc++.h>
using namespace std;
const int MAXN = 50010, WIDTH = 8, BASE = 100000000;
int f[3][MAXN];
struct node {bool visited;vector<int> idxs;node* children[10];node () { memset(children, visited = 0, sizeof children); }
} root;
int main() {cin.tie(0), cout.tie(0), ios::sync_with_stdio(false);int T;cin >> T;string prefix;int answer[MAXN], cnt = 0;memset(answer, -1, sizeof answer);for (int i = 1; i <= T; i++) {cin >> prefix;if (prefix == "1") { answer[i] = 0; cnt++; continue; }node* current = &root;for (auto c : prefix) {if (!current->children[c - '0']) current->children[c - '0'] = new node();current = current->children[c - '0'];}current->idxs.push_back(i);}int digits[110];int f1 = 0, f2 = 1, f3 = 2, length = 1;f[0][0] = 1, f[1][0] = 1;for (int i = 2; i < 100000; i++) {int carry = 0;for (int j = 0; j < length; j++) {f[f3][j] = f[f1][j] + f[f2][j] + carry;carry = f[f3][j] / BASE;f[f3][j] %= BASE;}if (carry) f[f3][length++] = carry;int ds = 0, firstBlock = 1;for (int j = length - 1; j >= 0 && ds <= 40; j--) {string block = to_string(f[f3][j]);if (firstBlock) firstBlock = 0;else while (block.length() < WIDTH) block = '0' + block;for(auto c : block) digits[ds++] = c - '0';}node* current = &root;for (int j = 0; j < ds; j++) {current = current->children[digits[j]];if (!current) break;if (current->idxs.size() && !current->visited) {current->visited = true;for (auto idx : current->idxs) answer[idx] = i;cnt += current->idxs.size();}}if (cnt == T) break;f1++, f2++, f3++;f1 %= 3, f2 %= 3, f3 %= 3;}for (int i = 1; i <= T; i++) cout << "Case #" << i << ": " << answer[i] << '\n';return 0;
}
总结
本题通过结合高精度计算和 Trie\texttt{Trie}Trie 树前缀匹配,高效解决了大规模斐波那契数前缀查询问题。关键点在于:
- 压位高精度优化计算效率
- Trie\texttt{Trie}Trie 树实现多模式前缀匹配
- 实时匹配和提前终止策略
- 特殊情况的优化处理
这种思路可以扩展到其他需要处理大数序列前缀匹配的问题中。
