【bzoj1010】【HNOI2008】【玩具装箱toy】

理解玩具装箱问题的斜率优化DP算法
本文深入探讨了玩具装箱问题中如何运用斜率优化DP算法求解最小费用。通过简化方程并引入斜率优化概念,作者详细解释了决策点对后续状态的影响持续性,并阐述了如何利用单调队列维护最优决策路径。通过实例演示算法应用,最终输出最小费用。

1010: [HNOI2008]玩具装箱toy

Time Limit: 1 Sec Memory Limit: 162 MB
Submit: 6994 Solved: 2662
[Submit][Status][Discuss]
Description

P教授要去看奥运,但是他舍不下他的玩具,于是他决定把所有的玩具运到北京。他使用自己的压缩器进行压缩,其可以将任意物品变成一堆,再放到一种特殊的一维容器中。P教授有编号为1…N的N件玩具,第i件玩具经过压缩后变成一维长度为Ci.为了方便整理,P教授要求在一个一维容器中的玩具编号是连续的。同时如果一个一维容器中有多个玩具,那么两件玩具之间要加入一个单位长度的填充物,形式地说如果将第i件玩具到第j个玩具放到一个容器中,那么容器的长度将为 x=j-i+Sigma(Ck) i<=K<=j 制作容器的费用与容器的长度有关,根据教授研究,如果容器长度为x,其制作费用为(X-L)^2.其中L是一个常量。P教授不关心容器的数目,他可以制作出任意长度的容器,甚至超过L。但他希望费用最小.

Input

第一行输入两个整数N,L.接下来N行输入Ci.1<=N<=50000,1<=L,Ci<=10^7

Output

输出最小费用

Sample Input

5 4

3

4

2

1

4
Sample Output

1

思路:我就是用这道题学的斜率优化dp

我们设f[i]表示到i位置时的最小花费,那么
f[i]=f[j]+(i-j-1+sum[i]-sum[j]-L)^2.
显然n^2会超时,这时候我们就要用到斜率优化了。
首先我们先来简化一下上面的方程:
sum[i]=sum[i]+1;
L=L+1;
那么f[i]=f[j]+(sum[i]-sum[j]-L)^2

①我们要证明较优决策点对对后续状态影响的持续性

我们假设现在在状态i处,现在有两个决策:j,k(j < k )且决策k优于j,那么:
对于后面的状态T sum[T]=sum[i]+V
要证:
f[k]+(sum[T]-sum[k]-L)^2<=f[j]+(sum[T]-sum[j]-L)^2
只要证:
f[k]+(sum[i]+V-sum[k]-L)^2<=f[j]+(sum[i]+V-sum[j]-L)^2
f[k]+(sum[i]-sum[k]-L)^2+V^2+2*(sum[i]-sum[k]-L)<=f[j]+(sum[i]-sum[j]-L)^2+V^2+2 * (sum[i]-sum[j]-L)
f[k]+(sum[i]-sum[k]-L)^2+2*(sum[i]-sum[k]-L)<=f[j]+(sum[i]-sum[j]-L)^2+2 * (sum[i]-sum[j]-L)
由上面的假设得:f[k]+(sum[i]-sum[k]-L)^2<=f[j]+(sum[i]-sum[j]-L)^2
所以:2*(sum[i]-sum[k]-L)<=2 * (sum[i]-sum[k]-L)
sum[k]>=sum[j]
因为sum是一个前缀,所以得证。

②在求斜率方程的时候,一般化为左边为j,k,右边是i的形式

将f[k]+(sum[i]-sum[k]-L)^2<=f[j]+(sum[i]-sum[j]-L)^2化简
f[k]+sum[i]^2+(sum[k]+L)^2-2*(sum[k]+L)sum[i]<=f[j]+sum[i]^2+(sum[j]+L)^2-2 (sum[j]+L) *sum[i]
sum[i]*2(sum[k]+L-sum[j]-L)>=f[k]+(sum[k]+L)^2-(sum[j]+L)^2
sum[i]>=(f[k]-f[j]+(sum[k]+L)^2-(sum[j]+L)^2))/(2*(sujm[k]-sum[j]))
用G表示分子,S表示分母,我们用G/S就得出了斜率方程。

③单调队列维护

队首维护:
假设A,B ( A< B)是队首元素,若X(B,A)<=F[I],则B比A好,删除A,否则不需维护.

队尾维护:
假设A,B,C(A < B < C)是队尾元素
a.若X(B,A)<=F[I],且X(C,B)<=F[I],则C比B好,B比A好,删掉B
b.若X(B,A)<=F[I],且X(C,B)>F[I],则B比C好,B比A好,B为极大值

转自:http://www.cnblogs.com/proverbs/archive/2012/10/06/2713109.html

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const int N=50100;
long long sum[N],L,f[N];
int l[1000000],n;
long long pow(long long x){return x*x;}
long long S(int x,int y){return sum[x]-sum[y];}
long long G(int x,int y){return f[x]-f[y]+pow(sum[x]+L)-pow(sum[y]+L);}
long long work(int x,int y){return (G(x,y)*1.0)/(S(x,y)*2.0);}
int main()
{
    int i,j,h=1,t=1;
    scanf("%d%lld",&n,&L);
    L+=1;
    for(i=1;i<=n;++i){
        scanf("%lld",&sum[i]);
        sum[i]+=sum[i-1];
    }
    for(i=1;i<=n;++i) sum[i]+=(long long)i;
    l[1]=0;
    for(i=1;i<=n;++i){
        while(h<t&&sum[i]>=work(l[h+1],l[h])) h+=1;
        f[i]=f[l[h]]+pow(sum[i]-sum[l[h]]-L);
        while(h<t&&work(i,l[t])<=work(l[t],l[t-1])) t-=1;
        t+=1;l[t]=i;
    }
    printf("%lld\n",f[n]);
}
题目描述 有一个 $n$ 个点的棋盘,每个点上有一个数字 $a_i$,你需要从 $(1,1)$ 走到 $(n,n)$,每次只能往右或往下走,每个格子只能经过一次,路径上的数字和为 $S$。定义一个点 $(x,y)$ 的权值为 $a_x+a_y$,求所有满足条件的路径中,所有点的权值和的最小值。 输入格式 第一行一个整数 $n$。 接下来 $n$ 行,每行 $n$ 个整数,表示棋盘上每个点的数字。 输出格式 输出一个整数,表示所有满足条件的路径中,所有点的权值和的最小值。 数据范围 $1\leq n\leq 300$ 输入样例 3 1 2 3 4 5 6 7 8 9 输出样例 25 算法1 (树形dp) $O(n^3)$ 我们可以先将所有点的权值求出来,然后将其看作是一个有权值的图,问题就转化为了在这个图中求从 $(1,1)$ 到 $(n,n)$ 的所有路径中,所有点的权值和的最小值。 我们可以使用树形dp来解决这个问题,具体来说,我们可以将这个图看作是一棵树,每个点的父节点是它的前驱或者后继,然后我们从根节点开始,依次向下遍历,对于每个节点,我们可以考虑它的两个儿子,如果它的两个儿子都被遍历过了,那么我们就可以计算出从它的左儿子到它的右儿子的路径中,所有点的权值和的最小值,然后再将这个值加上当前节点的权值,就可以得到从根节点到当前节点的路径中,所有点的权值和的最小值。 时间复杂度 树形dp的时间复杂度是 $O(n^3)$。 C++ 代码 算法2 (动态规划) $O(n^3)$ 我们可以使用动态规划来解决这个问题,具体来说,我们可以定义 $f(i,j,s)$ 表示从 $(1,1)$ 到 $(i,j)$ 的所有路径中,所有点的权值和为 $s$ 的最小值,那么我们就可以得到如下的状态转移方程: $$ f(i,j,s)=\min\{f(i-1,j,s-a_{i,j}),f(i,j-1,s-a_{i,j})\} $$ 其中 $a_{i,j}$ 表示点 $(i,j)$ 的权值。 时间复杂度 动态规划的时间复杂度是 $O(n^3)$。 C++ 代码
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值