競プロ早見表

Kotlin 25 topics · 印刷対応 (A4)
各項目は 使う場面 → 図解 → コード → 罠 の順。// 灰色はコメント、計算量は右上。
データ構造 Union-Find 素集合・連結判定 ほぼ O(α(N))

経路圧縮 + size 併合。連結判定 / グループ分け / Kruskal。union は併合したら true。

init   0  1  2  3  4   (各自が根)
u(0,1) 0──1  2  3  4
u(2,3) 0──1  2──3  4
u(1,2) 0──1──2──3  4   same(0,3)=T size=4
find: 根まで辿り親を直付け(経路圧縮)
class UnionFind(n: Int) {
  val par = IntArray(n) { it }
  val sz = IntArray(n) { 1 }
  fun find(x: Int): Int {
    if (par[x] == x) return x
    par[x] = find(par[x]); return par[x]
  }
  fun union(a: Int, b: Int): Boolean {
    var ra = find(a); var rb = find(b)
    if (ra == rb) return false
    if (sz[ra] < sz[rb]) { val t = ra; ra = rb; rb = t }
    par[rb] = ra; sz[ra] += sz[rb]; return true
  }
  fun same(a: Int, b: Int) = find(a) == find(b)
  fun size(x: Int) = sz[find(x)]
}
  • size(小)を size(大)に繋ぐ(union by size)で木を低く保つ
  • 辺の削除はできない(追加のみ)。削除込みは別手法
データ構造 BIT (Fenwick) 点加算 + 区間和 / 転倒数 O(log N)

点加算・前方和を O(log N)。転倒数は「右より小さい既出要素の総数」で求まる。

idx は (i & -i) 幅を管理
add(i,v): x += x & -x で上る
sum(i):   x -= x & -x で下り a[0..i] の和
区間 [l,r] = sum(r) - sum(l-1)
転倒数: 後ろから add しつつ sum(a[i]-1)
class BIT(val n: Int) {
  val t = LongArray(n + 1)
  fun add(i: Int, v: Long) {
    var x = i + 1
    while (x <= n) { t[x] += v; x += x and -x }
  }
  fun sum(i: Int): Long {           // a[0..i]
    var x = i + 1; var s = 0L
    while (x > 0) { s += t[x]; x -= x and -x }
    return s
  }
}
fun inversions(a: IntArray): Long {
  val bit = BIT((a.maxOrNull() ?: 0) + 1); var res = 0L
  for (i in a.indices.reversed()) {
    if (a[i] > 0) res += bit.sum(a[i] - 1)
    bit.add(a[i], 1)
  }
  return res
}
  • 1-indexed で持つ(内部 x=i+1)。0 を add する値域に注意
  • 区間和は IntArray.sum() でなく Long で(溢れ)
グラフ Dijkstra 法 単一始点・非負重み最短路 O((V+E) log V)

優先度キューで未確定のうち最小距離の頂点を順に確定。負辺があると使えない(→Bellman-Ford)。

(0)──5──▶(1)   start = 0
 │        ▲    init  dist=[0, ∞, ∞]
 2        1    pop0  1=5 2=2 →[0,5,2]
 ▼        │    pop2  1=2+1=3 →[0,3,2]
(2)───────┘    pop1  settled
0▶1:5 0▶2:2 2▶1:1      ans [0,3,2]
import java.util.PriorityQueue
// g[v] = (to, cost) の隣接リスト
fun dijkstra(g: Array<MutableList<Pair<Int, Long>>>, s: Int): LongArray {
  val dist = LongArray(g.size) { Long.MAX_VALUE / 4 }; dist[s] = 0
  val pq = PriorityQueue<Pair<Long, Int>>(compareBy { it.first })
  pq.add(0L to s)
  while (pq.isNotEmpty()) {
    val (d, v) = pq.poll()
    if (d > dist[v]) continue          // 古い距離は捨てる
    for ((to, c) in g[v]) if (d + c < dist[to]) {
      dist[to] = d + c; pq.add(dist[to] to to)
    }
  }
  return dist
}
  • if (d > dist[v]) continue を必ず入れる(古い距離を捨てる、無いと TLE)
  • INF は加算で溢れない値に。C++ 4e18 / 他 LONG_MAX/4
  • 経路復元は prev[to]=v を更新し終点から逆順
グラフ グリッド BFS 迷路・最少手数 O(HW)

4 近傍を距離 +1 で push。壁 # と訪問済みは skip。最短手数 = 到達時の dist。

grid (#=壁)        dist from S
S . . #            0 1 2 #
. # . .            1 # 3 4
. . . G            2 3 4 5
4近傍↑↓←→を BFS → G = 5
val DY = intArrayOf(-1, 1, 0, 0)
val DX = intArrayOf(0, 0, -1, 1)
fun gridBfs(grid: Array<String>, sy: Int, sx: Int): Array<IntArray> {
  val h = grid.size; val w = grid[0].length
  val dist = Array(h) { IntArray(w) { -1 } }
  dist[sy][sx] = 0
  val q = ArrayDeque<Int>(); q.add(sy * w + sx)
  while (q.isNotEmpty()) {
    val p = q.removeFirst(); val y = p / w; val x = p % w
    for (d in 0 until 4) {
      val ny = y + DY[d]; val nx = x + DX[d]
      if (ny !in 0 until h || nx !in 0 until w) continue
      if (grid[ny][nx] == '#' || dist[ny][nx] != -1) continue
      dist[ny][nx] = dist[y][x] + 1; q.add(ny * w + nx)
    }
  }
  return dist
}
  • 到達不可は -1 のまま
  • 8 近傍や重み付きは別 (重みは 0-1 BFS / Dijkstra)
ユーティリティ 累積和 / いもす法 区間和 O(1) / 区間加算 前計算 O(N), クエリ O(1)

累積和で区間和を O(1)。逆操作のいもす法は「区間加算を大量 → 最後に復元」。

a   = [1 2 3 4 5]
sum = [0 1 3 6 10 15]   (1個ずれ)
区間 [l,r) = sum[r] - sum[l]   [1,4)=9
いもす: add(l,r,v)= diff[l]+=v; diff[r]-=v
        最後に累積和で復元
fun prefixSum(a: LongArray): LongArray {   // s[i]=a[0..i-1]; [l,r)=s[r]-s[l]
  val s = LongArray(a.size + 1)
  for (i in a.indices) s[i + 1] = s[i] + a[i]
  return s
}
class Imos(n: Int) {
  val diff = LongArray(n + 1)
  fun add(l: Int, r: Int, v: Long) { diff[l] += v; diff[r] -= v }   // a[l..r-1]+=v
  fun build(): LongArray {
    val res = LongArray(diff.size - 1); var acc = 0L
    for (i in res.indices) { acc += diff[i]; res[i] = acc }
    return res
  }
}
  • sum は長さ N+1。区間は半開 [l, r) で扱うと添字ミスが減る
  • いもす法は右端 r を「含まない」位置に -v
数学 mod 演算 / nCr modpow・modinv・組合せ O(log N) / 前計算 O(N)

modpow は繰返し二乗法。modinv はフェルマー(m素数で a^(m-2))。nCr は階乗逆元の前計算。

modpow(a,e): e を 2 進で繰返し二乗
  a^13 = a^8 · a^4 · a^1   (13 = 1101)
modinv(a) = a^(m-2) mod m   (m 素数)
nCr = fact[n]·inv[r]·inv[n-r]   前計算 O(n)
const val MOD = 998244353L              // or 1_000_000_007L
fun modpow(a: Long, e: Long, m: Long = MOD): Long {
  var b = a % m; var x = e; var r = 1L
  while (x > 0) { if (x and 1L == 1L) r = r * b % m; b = b * b % m; x = x shr 1 }
  return r
}
fun modinv(a: Long, m: Long = MOD) = modpow(a, m - 2, m)   // m は素数
class Comb(maxN: Int, val m: Long = MOD) {
  val fact = LongArray(maxN + 1); val inv = LongArray(maxN + 1)
  init {
    fact[0] = 1
    for (i in 1..maxN) fact[i] = fact[i - 1] * i % m
    inv[maxN] = modpow(fact[maxN], m - 2, m)
    for (i in maxN downTo 1) inv[i - 1] = inv[i] * i % m
  }
  fun nCr(n: Int, r: Int) =
    if (r < 0 || r > n) 0 else fact[n] * inv[r] % m * inv[n - r] % m
}
  • MOD は問題指定 (998244353 か 1e9+7) を必ず確認
  • 掛け算ごとに % を取る(2 回掛けたら溢れる手前で)
  • Python は組み込み pow(a,e,m) が最速
数学 エラトステネスの篩 素数列挙 O(N log log N)

isPrime[i] を一括計算。i*i から消すのがポイント。約数/素因数のクエリが多いなら最小素因数表へ。

2 3 4 5 6 7 8 9 10 ...
2の倍数除外 → 3の → 5の → ...
消す開始は i*i (それ未満は既出)
残り = 素数  例) ~20: 2 3 5 7 11 13 17 19
fun sieve(n: Int): BooleanArray {      // isPrime[i]
  val p = BooleanArray(n + 1) { it >= 2 }
  var i = 2
  while (i * i <= n) {
    if (p[i]) { var j = i * i; while (j <= n) { p[j] = false; j += i } }
    i++
  }
  return p
}
  • i*i がオーバーフローするなら long で比較
  • 0,1 は素数でない(初期化で false)
数学 gcd / lcm / extGcd ユークリッドの互除法 O(log N)

gcd は互除法。lcm は先に割って溢れ防止。extGcd は ax+by=gcd の (x,y) も求める(mod 逆元・不定方程式)。

gcd(a,b) = gcd(b, a%b),  gcd(a,0)=a
 gcd(12,18)=gcd(18,12)=gcd(12,6)=gcd(6,0)=6
lcm = a / gcd · b    (先に割る)
extGcd: ax + by = gcd の x,y も返す
tailrec fun gcd(a: Long, b: Long): Long = if (b == 0L) a else gcd(b, a % b)
fun lcm(a: Long, b: Long): Long = a / gcd(a, b) * b
// ax + by = gcd(a,b) の (g, x, y)
fun extGcd(a: Long, b: Long): Triple<Long, Long, Long> {
  if (b == 0L) return Triple(a, 1L, 0L)
  val (g, x, y) = extGcd(b, a % b)
  return Triple(g, y, x - (a / b) * y)
}
  • lcm は a*b が溢れる → a/gcd*b の順
  • 負数の gcd 符号に注意(必要なら abs)
動的計画法 ナップサック / 部分和 0-1 / 個数制限 DP O(NW)

容量ごとの最大価値。0-1 は重さを逆順ループ(各品物1回)。部分和は価値の代わりに可否を持つ。

品物(w,v), 容量cap. dp[w]=容量wの最大価値
for 品物: for w = cap .. wi  (逆順!):
   dp[w] = max(dp[w], dp[w-wi] + vi)
逆順=各品物1回。正順だと無制限個
部分和: dp[s] = s を作れるか (bool)
// 0-1: 各品物 1 個まで
fun knapsack01(w: IntArray, v: LongArray, cap: Int): Long {
  val dp = LongArray(cap + 1)
  for (i in w.indices)
    for (j in cap downTo w[i])           // 重さ逆順
      dp[j] = maxOf(dp[j], dp[j - w[i]] + v[i])
  return dp[cap]
}
fun subsetSum(a: IntArray, target: Int): Boolean {
  val dp = BooleanArray(target + 1); dp[0] = true
  for (x in a) for (s in target downTo x) if (dp[s - x]) dp[s] = true
  return dp[target]
}
  • 0-1 は必ず容量を逆順。正順にすると無制限ナップサックになる
  • 価値は溢れうる → Long で持つ
データ構造 セグメント木 点更新 + 区間クエリ O(log N)

非再帰・抽象化。op はモノイド(結合的 + 単位元 unit)。min/max/和などを区間で。

[5 3 7 1 9] を min セグ木に
         [1]            ← 全体 min
      [3]    [9]
   [3][7] [9][∞]
 [5][3][7][1][9]
update(i,v): 葉→根  query[l,r): 両端から畳む
// op はモノイド(結合的 + 単位元 unit). 例: min/max/和
class SegTree<T>(n: Int, val unit: T, val op: (T, T) -> T) {
  var size = 1
  init { while (size < n) size *= 2 }
  val t = MutableList(2 * size) { unit }
  fun update(i: Int, v: T) {
    var x = i + size; t[x] = v
    while (x > 1) { x /= 2; t[x] = op(t[2 * x], t[2 * x + 1]) }
  }
  fun query(l: Int, r: Int): T {        // [l, r)
    var res = unit; var lo = l + size; var hi = r + size
    while (lo < hi) {
      if (lo and 1 == 1) res = op(res, t[lo++])
      if (hi and 1 == 1) res = op(res, t[--hi])
      lo /= 2; hi /= 2
    }
    return res
  }
}
  • query は半開 [l, r)
  • unit は演算の単位元 (min→∞, max→-∞, 和→0)
  • 区間更新が要るなら遅延セグ木に拡張
データ構造 座標圧縮 大きい値 → 0..k-1 O(N log N)

値の大小を保ったまま 0..k-1 に詰める。BIT/セグ木に乗せる前処理、値の種類数。

a    = [100  50 100   7]
sort & distinct = [7 50 100]  (→ 0 1 2)
comp = [  2   1   2   0]
逆引き: 圧縮値 i → vals[i] が元の値
// 値の大小を保ち 0..k-1 に圧縮。(圧縮後, 元の値配列) を返す
fun compress(a: LongArray): Pair<IntArray, LongArray> {
  val vals = a.toSortedSet().toLongArray()
  val idx = HashMap<Long, Int>()
  for ((i, v) in vals.withIndex()) idx[v] = i
  return IntArray(a.size) { idx[a[it]]!! } to vals
}
  • 重複は 1 つにまとめる(distinct)
  • 半開区間や境界を扱うなら +1 した値も入れることがある
グラフ Bellman-Ford 法 負辺ありの最短路 O(VE)

全辺を n-1 回緩和。負辺 OK。n 回目でも更新できれば負閉路。Dijkstra が使えない時に。

全辺を n-1 回 緩和(relax)
 dist[t] = min(dist[t], dist[f] + cost)
n 回目でも更新 → 負閉路あり
始点から到達する負閉路だけが検出対象
data class Edge(val from: Int, val to: Int, val cost: Long)
// 負辺ありの単一始点最短路 O(VE)。負閉路があれば null
fun bellmanFord(n: Int, edges: List<Edge>, s: Int): LongArray? {
  val INF = Long.MAX_VALUE / 4
  val dist = LongArray(n) { INF }; dist[s] = 0
  repeat(n - 1) {
    for ((f, t, c) in edges)
      if (dist[f] != INF && dist[f] + c < dist[t]) dist[t] = dist[f] + c
  }
  for ((f, t, c) in edges)
    if (dist[f] != INF && dist[f] + c < dist[t]) return null   // 負閉路
  return dist
}
  • dist[f] が INF の辺は緩和しない(INF + cost で誤更新)
  • 負閉路検出は n-1 回緩和の「後」にもう 1 周
グラフ Warshall-Floyd 法 全点対最短路 O(V³)

中継点 k を全部試す DP。V≤500 まで。負辺 OK(負閉路は dist[v][v]<0 で検出)。

中継点 k = 0..n-1 を全部試す
 dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j])
隣接行列(辺なし=INF, 対角0)を渡し in-place 更新
ループ順は k, i, j の順 (k が最外)
// 全点対最短路。dist は隣接行列(辺なし=INF, 対角0) を in-place 更新
fun warshallFloyd(dist: Array<LongArray>) {
  val INF = Long.MAX_VALUE / 4; val n = dist.size
  for (k in 0 until n) for (i in 0 until n) {
    if (dist[i][k] == INF) continue
    for (j in 0 until n)
      if (dist[k][j] != INF && dist[i][k] + dist[k][j] < dist[i][j])
        dist[i][j] = dist[i][k] + dist[k][j]
  }
}
  • ループ順は必ず k を最外に
  • INF 経由の誤更新を防ぐ(INF の行は skip)
グラフ トポロジカルソート DAG の順序付け (Kahn) O(V+E)

入次数 0 をキューから取り出し、辺を消しながら並べる。全頂点出せなければ閉路。

入次数0をキューへ → 取り出しつつ出る辺を消す
 (消した先の入次数が0になったら追加)
全頂点出れば順序確定 / 出きらねば閉路
辞書順最小が要るなら queue → 優先度付き
// Kahn 法。g: 隣接リスト(有向). 閉路があれば null
fun topoSort(g: Array<MutableList<Int>>): List<Int>? {
  val n = g.size; val indeg = IntArray(n)
  for (v in 0 until n) for (to in g[v]) indeg[to]++
  val q = ArrayDeque<Int>()
  for (v in 0 until n) if (indeg[v] == 0) q.add(v)
  val order = mutableListOf<Int>()
  while (q.isNotEmpty()) {
    val v = q.removeFirst(); order.add(v)
    for (to in g[v]) if (--indeg[to] == 0) q.add(to)
  }
  return if (order.size == n) order else null
}
  • 出力数 < N なら閉路あり
  • 辞書順最小は ArrayDeque を PriorityQueue に
グラフ Kruskal 法 (MST) 最小全域木 O(E log E)

辺を cost 昇順に見て、端点が別グループなら採用(Union-Find)。全部つなぐ最小コスト。

辺を cost 昇順にソート
 端点が別グループなら採用(UnionFind で併合)
 採用辺が n-1 本で全域木 完成
※ Union-Find のスニペットが必要
data class WEdge(val u: Int, val v: Int, val cost: Long)
// 最小全域木。UnionFind が必要。総コスト(非連結なら null)
fun kruskal(n: Int, edges: List<WEdge>): Long? {
  val uf = UnionFind(n); var total = 0L; var used = 0
  for ((u, v, c) in edges.sortedBy { it.cost })
    if (uf.union(u, v)) { total += c; used++ }
  return if (used == n - 1) total else null
}
  • 採用辺が n-1 本に満たなければ非連結
  • 同コスト辺の順序は MST 重みに影響しない
ユーティリティ しゃくとり法 連続区間の最長/数え上げ O(N)

窓 [left,right] を右に伸ばし、条件を破ったら左を詰める。単調性が前提(非負配列など)。

[left,right] 窓を右へ伸ばし、破ったら左を詰める
 和<=k 最大長: 超えたら left++ で縮める
 和>=k 個数: 初めて満たせば右端以降は全部OK
単調性(伸ばすと悪化/縮めると改善)が必要
// 和が k 以下の連続区間の最大長 (a は非負)
fun longestAtMost(a: LongArray, k: Long): Int {
  var best = 0; var sum = 0L; var left = 0
  for (right in a.indices) {
    sum += a[right]
    while (sum > k) { sum -= a[left]; left++ }
    best = maxOf(best, right - left + 1)
  }
  return best
}
// 和が k 以上の連続区間の総数 (a は非負)
fun countAtLeast(a: LongArray, k: Long): Long {
  val n = a.size; var count = 0L; var sum = 0L; var right = 0
  for (left in 0 until n) {
    while (right < n && sum < k) { sum += a[right]; right++ }
    if (sum < k) break
    count += n - right + 1
    sum -= a[left]
  }
  return count
}
  • 負数があると単調性が崩れ使えない
  • right を左に戻さない(各ポインタは単調に進むだけ)
動的計画法 LIS / LCS / 編集距離 部分列 DP O(N log N) / O(NM)

LIS は末尾最小値を二分探索で更新。LCS・編集距離は 2 次元 DP 表。

LIS: tail[k] = 長さ k+1 の増加列の末尾の最小値
 各 x を lower_bound で 置換 or 追加 → 長さが答え
LCS/編集距離: dp[i][j] を表で
 一致なら \+1 / 不一致は周囲の最小から
// LIS (最長増加部分列) O(N log N)
fun lis(a: IntArray): Int {
  val tail = mutableListOf<Int>()
  for (x in a) {
    val pos = tail.binarySearch(x).let { if (it < 0) -(it + 1) else it }
    if (pos == tail.size) tail.add(x) else tail[pos] = x
  }
  return tail.size
}
// LCS (最長共通部分列) O(NM)
fun lcs(s: String, t: String): Int {
  val dp = Array(s.length + 1) { IntArray(t.length + 1) }
  for (i in s.indices) for (j in t.indices)
    dp[i + 1][j + 1] = if (s[i] == t[j]) dp[i][j] + 1
                       else maxOf(dp[i][j + 1], dp[i + 1][j])
  return dp[s.length][t.length]
}
// 編集距離 (Levenshtein) O(NM)
fun editDistance(s: String, t: String): Int {
  val dp = Array(s.length + 1) { IntArray(t.length + 1) }
  for (i in 0..s.length) dp[i][0] = i
  for (j in 0..t.length) dp[0][j] = j
  for (i in 1..s.length) for (j in 1..t.length) {
    val c = if (s[i - 1] == t[j - 1]) 0 else 1
    dp[i][j] = minOf(dp[i - 1][j] + 1, dp[i][j - 1] + 1, dp[i - 1][j - 1] + c)
  }
  return dp[s.length][t.length]
}
  • LIS 広義単調増加は lower→upper bound に変える
  • LCS/編集距離は O(NM) メモリ。長いと 1 次元ロールで節約
数学 素因数分解 / 約数 √N の整数論 O(√N)

p=2 から割り続ける素因数分解。約数は d と n/d をペアで集める。素数判定も同様。

factorize: p=2.. (p*p<=v) の間割り続ける
 残った v>1 は最大の素因数
 360 = 2^3 · 3^2 · 5
divisors: d*d<=n, n%d==0 で d と n/d を集める
 12 の約数 = 1 2 3 4 6 12
// 素因数分解 {素因数: 指数} O(√N)
fun factorize(n: Long): Map<Long, Int> {
  val res = LinkedHashMap<Long, Int>(); var v = n; var p = 2L
  while (p * p <= v) { while (v % p == 0L) { res[p] = (res[p] ?: 0) + 1; v /= p }; p++ }
  if (v > 1) res[v] = (res[v] ?: 0) + 1
  return res
}
// 約数列挙 (ソート済み) O(√N)
fun divisors(n: Long): List<Long> {
  val small = mutableListOf<Long>(); val large = mutableListOf<Long>(); var d = 1L
  while (d * d <= n) {
    if (n % d == 0L) { small.add(d); if (d != n / d) large.add(n / d) }
    d++
  }
  return small + large.reversed()
}
fun isPrime(n: Long): Boolean {
  if (n < 2) return false
  var d = 2L; while (d * d <= n) { if (n % d == 0L) return false; d++ }
  return true
}
  • p*p<=v / d*d<=n で √N 打ち切り(オーバーフローは long)
  • クエリが多いなら篩で最小素因数表(spf)を作り O(log N) に
動的計画法 bitDP (TSP) 巡回セールスマン O(2ᴺN²)

訪問済み集合を bit で持つ DP。N≤16 程度。全頂点を回って戻る最小コスト等。

dp[S][v] = 訪問済み集合 S で今 v にいる最小コスト
 0 から出発: dp[{0}][0] = 0
 S に未訪問 to を足して遷移
最後に全訪問+0へ戻る最小。N<=16 (2^16·16^2)
// bitDP 巡回セールスマン O(2^N N^2). N<=16
// dist[i][j] = i->j のコスト。0 から全頂点回り 0 に戻る最小
fun tsp(dist: Array<LongArray>): Long {
  val INF = Long.MAX_VALUE / 4; val n = dist.size; val full = 1 shl n
  val dp = Array(full) { LongArray(n) { INF } }
  dp[1][0] = 0
  for (s in 0 until full) for (v in 0 until n) {
    if (dp[s][v] == INF) continue
    for (to in 0 until n) {
      if (s shr to and 1 == 1) continue
      val ns = s or (1 shl to)
      if (dp[s][v] + dist[v][to] < dp[ns][to]) dp[ns][to] = dp[s][v] + dist[v][to]
    }
  }
  var res = INF
  for (v in 1 until n) if (dp[full - 1][v] != INF) res = minOf(res, dp[full - 1][v] + dist[v][0])
  return res
}
  • 1 shl N の集合サイズ。N>20 で破綻
  • 到達不能 (INF) からは遷移しない
文字列 ローリングハッシュ 部分文字列比較 O(1) 構築 O(N) / 比較 O(1)

文字列を多項式ハッシュに。mod 2⁶¹-1 で衝突回避。部分文字列の一致判定が O(1)。

h[i] = s[0..i-1] の多項式ハッシュ (base 進数)
 get(l,r) = h[r] - h[l]·base^(r-l)  (mod 2^61-1)
部分文字列が等しい ⇔ ハッシュ一致 (O(1))
base はランダム、mod は 2^61-1 が安全
// ローリングハッシュ (mod 2^61-1)。部分文字列比較 O(1)
class RollingHash(s: String) {
  val MOD = (1L shl 61) - 1
  val BASE = 1_000_003L
  val h = LongArray(s.length + 1)
  val pw = LongArray(s.length + 1)
  init {
    pw[0] = 1
    for (i in s.indices) {
      h[i + 1] = mul(h[i], BASE) + s[i].code
      if (h[i + 1] >= MOD) h[i + 1] -= MOD
      pw[i + 1] = mul(pw[i], BASE)
    }
  }
  fun mul(a: Long, b: Long): Long {              // a*b mod (2^61-1)
    val hi = Math.multiplyHigh(a, b); val lo = a * b
    var r = (hi shl 3) + (lo ushr 61) + (lo and MOD)
    if (r >= MOD) r -= MOD
    return r
  }
  fun get(l: Int, r: Int): Long {                // [l, r)
    var res = h[r] - mul(h[l], pw[r - l])
    if (res < 0) res += MOD
    return res
  }
}
  • 単一ハッシュは衝突リスク。心配なら 2 種の mod で二重化
  • C++ は __int128、Java/Kotlin は Math.multiplyHigh で 128bit 乗算
幾何 平面幾何 ccw / 線分交差 / 凸包 凸包 O(N log N)

ccw(外積で回転方向)が基礎。線分交差・凸包・面積。誤差は EPS で比較、整数なら Long で。

ccw(a,b,c): 外積の符号で回転方向
  1:反時計 -1:時計 0/±2:一直線上
線分交差: 互いに相手を挟む ⇔ 交差
凸包(Andrew): x昇順→下側→上側
 cross<EPS で pop (左折だけ残す=反時計回り)
const val EPS = 1e-9
class P(val x: Double, val y: Double) {
  operator fun minus(o: P) = P(x - o.x, y - o.y)
  fun cross(o: P) = x * o.y - y * o.x
  fun dot(o: P) = x * o.x + y * o.y
}
// 1:反時計 -1:時計 2:c-a-b -2:a-b-c 0:線分ab上
fun ccw(a: P, b: P, c: P): Int {
  val ab = b - a; val ac = c - a
  return when {
    ab.cross(ac) > EPS -> 1
    ab.cross(ac) < -EPS -> -1
    ab.dot(ac) < -EPS -> 2
    ab.dot(ab) < ac.dot(ac) - EPS -> -2
    else -> 0
  }
}
fun segIntersect(a: P, b: P, c: P, d: P): Boolean =
  ccw(a, b, c) * ccw(a, b, d) <= 0 && ccw(c, d, a) * ccw(c, d, b) <= 0
// 凸包(反時計回り) O(N log N)
fun convexHull(ps: List<P>): List<P> {
  val s = ps.sortedWith(compareBy({ it.x }, { it.y }))
  if (s.size <= 2) return s
  val h = mutableListOf<P>()
  fun build(floor: Int, pts: List<P>) {
    for (p in pts) {
      while (h.size > floor &&
        (h[h.size - 1] - h[h.size - 2]).cross(p - h[h.size - 1]) < EPS)
        h.removeAt(h.size - 1)
      h.add(p)
    }
  }
  build(1, s); val lower = h.size; build(lower, s.reversed().drop(1))
  return h.dropLast(1)
}
// 符号付き面積(反時計回りで正)
fun polygonArea(poly: List<P>): Double {
  var s = 0.0
  for (i in poly.indices) s += poly[i].cross(poly[(i + 1) % poly.size])
  return s / 2
}
  • == でなく EPS 比較。退化(同一点・一直線)に注意
  • 整数座標なら Long の cross で誤差ゼロにできる
  • 凸包は一直線上の点を残すなら pop 条件を < -EPS に
グラフ 二部マッチング 増加路 (Hopcroft不要版) O(VE)

左頂点から増加路を DFS で探す。割り当て問題、最大マッチング = 最小頂点被覆(König)。

左→右の辺。各左頂点から増加路を DFS
 右が空 or その相手を押し出せれば マッチ確定
最大マッチング数 = 最小頂点被覆 (König の定理)
used[] を頂点ごとにリセットして探索
// 増加路 DFS O(VE)。左 n, 右 m。addEdge 後 solve()
class BipartiteMatching(val n: Int, val m: Int) {
  val g = Array(n) { mutableListOf<Int>() }
  val matchR = IntArray(m) { -1 }
  fun addEdge(u: Int, v: Int) { g[u].add(v) }
  fun dfs(u: Int, used: BooleanArray): Boolean {
    for (v in g[u]) {
      if (used[v]) continue
      used[v] = true
      if (matchR[v] == -1 || dfs(matchR[v], used)) { matchR[v] = u; return true }
    }
    return false
  }
  fun solve(): Int {
    var res = 0
    for (u in 0 until n) if (dfs(u, BooleanArray(m))) res++
    return res
  }
}
  • used は左頂点ごとに毎回リセット
  • もっと速くしたいなら Hopcroft-Karp / Dinic
グラフ Dinic 法 (最大流) 最大流 = 最小カット O(V²E)

BFS でレベル分けし、レベル順に DFS で流す。最大流・最小カット・二部マッチングに。

BFS でレベル(最短距離)を付ける
 → レベルが増える辺だけ DFS で流す
 逆辺(rev)に流量を戻し増加路を表現。繰り返す
最大流 = 最小カット。「同時不可の最小除去」に
// Dinic 最大流 O(V^2 E)。最大流=最小カット
class Dinic(val n: Int) {
  class E(val to: Int, var cap: Long, val rev: Int)
  val g = Array(n) { mutableListOf<E>() }
  val level = IntArray(n); val iter = IntArray(n)
  fun addEdge(from: Int, to: Int, cap: Long) {
    g[from].add(E(to, cap, g[to].size))
    g[to].add(E(from, 0, g[from].size - 1))
  }
  fun bfs(s: Int) {
    level.fill(-1); level[s] = 0
    val q = ArrayDeque<Int>(); q.add(s)
    while (q.isNotEmpty()) {
      val v = q.removeFirst()
      for (e in g[v]) if (e.cap > 0 && level[e.to] < 0) { level[e.to] = level[v] + 1; q.add(e.to) }
    }
  }
  fun dfs(v: Int, t: Int, f: Long): Long {
    if (v == t) return f
    while (iter[v] < g[v].size) {
      val e = g[v][iter[v]]
      if (e.cap > 0 && level[v] < level[e.to]) {
        val d = dfs(e.to, t, minOf(f, e.cap))
        if (d > 0) { e.cap -= d; g[e.to][e.rev].cap += d; return d }
      }
      iter[v]++
    }
    return 0
  }
  fun maxFlow(s: Int, t: Int): Long {
    var flow = 0L
    while (true) {
      bfs(s); if (level[t] < 0) return flow
      iter.fill(0)
      while (true) { val f = dfs(s, t, Long.MAX_VALUE / 4); if (f == 0L) break; flow += f }
    }
  }
}
  • 容量は溢れない型(Long)。INF も大きすぎない値
  • iter[] で見た辺を再訪しない(これが効率の肝)