节能(区间DP)

描述:

Dr.Kong设计的机器人卡多越来越聪明。最近市政公司交给卡多一项任务,每天早晨5:00开始,它负责关掉ZK大道右侧上所有的路灯。

卡多每到早晨5:00准会在ZK大道上某盏路灯的旁边,然后他开始关灯。每盏灯都有一定的功率,机器人卡多有着自觉的节能意识,它希望在关灯期间,ZK大道右侧上所有路灯的耗电量总数是最少的。

机器人卡多以1m/s的速度行走。假设关灯动作不需要花费额外的时间,因为当它通过某盏路灯时就顺手将灯关掉。

请你编写程序,计算在给定路灯设置,灯泡功率以及机器人卡多的起始位置的情况下,卡多关灯期间,ZK大道上所有灯耗费的最小能量。


输入:

第一行:N表示ZK大道右侧路灯的数量          (2≤ N ≤ 1000) 

第二行:V表示机器人卡多开始关灯的路灯号码。   (1≤V≤N)

接下来的N行中,每行包含两个用空格隔开的整数DW,用来描述每盏灯的参数

D表示该路灯与ZK大道起点的距离  (用米为单位来表示),

W表示灯泡的功率,即每秒该灯泡所消耗的能量数。路灯是按顺序给定的。

( 0≤D≤1000, 0≤W≤1000 )


输出:

输出一个整数,即消耗能量之和的最小值。注意结果小于200,000,000


样例输入:


3
2 2
5 8
6 1
8 7


样例输出:

56



#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int dp[1005][1005][2];									//dp[i][j][0]表示由区间i,j之间最后达到i位置时的耗电量 ,dp[i][j][1]表示由区间i,j之间最后达到j位置时的耗电量  
int asd[1005][1005],num,pos,totle=0;;					//asd[i][j]数组表示从i位置到j位置初始状态下的功率总耗 
struct asd
{
	int dis;
	int w;
}gw[1005];
void sove()
{
	for(int i=pos-1;i>0;i--)																	//分两部分考虑一部分是1——起始位置另一部分是起始位置到num 
    {
        dp[i][pos][0]=dp[i+1][pos][0]+(totle-asd[i+1][pos])/*该段时间内消耗的功率*/*(gw[i+1].dis-gw[i].dis)/*两种状态下的位置差即为所用时间*/;
        dp[i][pos][1]=dp[i][pos][0]+(totle-asd[i][pos])*(gw[pos].dis-gw[i].dis);				//转换最后的终点位置,只需求出起始位置到i位置所需的时间和这段时间内消耗的功率 
    }
	for(int i=pos+1;i<=num;i++)																	//同理这是第二种情况 
	{
         dp[pos][i][1]=dp[pos][i-1][1]+(totle-asd[pos][i-1])*(gw[i].dis-gw[i-1].dis);
         dp[pos][i][0]=dp[pos][i][1]+(totle-asd[pos][i])*(gw[i].dis-gw[pos].dis);		
	}
    for(int i=pos-1;i>=1;i--)
	{
		for(int j=pos+1;j<=num;++j)
        {
            dp[i][j][0]=min(dp[i+1][j][0]+(totle-asd[i+1][j])*(gw[i+1].dis-gw[i].dis),dp[i+1][j][1]+(totle-asd[i+1][j])*(gw[j].dis-gw[i].dis));
            dp[i][j][1]=min(dp[i][j-1][0]+(totle-asd[i][j-1])*(gw[j].dis-gw[i].dis),dp[i][j-1][1]+(totle-asd[i][j-1])*(gw[j].dis-gw[j-1].dis));
        }
	}
}
int main()
{
	scanf("%d %d",&num,&pos);
	for(int i=1;i<=num;i++)
	{
		scanf("%d %d",&gw[i].dis,&gw[i].w);
		totle+=gw[i].w;													//求出初始状态下的功率总耗 
	}
	memset(dp,0,sizeof(dp));
	memset(asd,0,sizeof(asd));											//初始化两个数组 
    for(int i=1;i<=num;++i)												//计算从i位置到j位置初始状态下的功率总耗 
    {
        for(int j=i;j<=num;++j)
        {
        	asd[i][j]=asd[i][j-1]+gw[j].w;
        }
    }
	sove();	
	printf("%d\n",min(dp[1][num][0],dp[1][num][1]));                      
	return 0;
} 


问题2:多列车日总能耗优化模型 1. 问题重述与变量定义 - 目标:最小化 m 列列车的日总能耗 E_{\text{日总}} 。 - 决策变量:每列列车的速度 v_i ( i = 1, 2, \dots, m ),满足: - 速度区间: v_i \in [v_{\min}, v_{\max}] - 相邻列车速度差: |v_i - v_{i+1}| \leq \Delta v (假设列车按顺序编号,相邻指运行时序相邻) - 功传输损耗约束:由问题1模型隐含在能耗计算中。 2. 目标函数构建 - 单列车总能耗(问题1结果): E_i = \frac{P L}{v_i} \left( 1 + \frac{\alpha L}{2(n-1)} \right) = \frac{C}{v_i} \quad (\text{其中} \ C = P L \left( 1 + \frac{\alpha L}{2(n-1)} \right) \text{为常数}) - 日总能耗: \min \, E_{\text{日总}} = \sum_{i=1}^m E_i = C \sum_{i=1}^m \frac{1}{v_i} 3. 约束条件 - 速度区间约束: v_{\min} \leq v_i \leq v_{\max}, \quad \forall i - 相邻速度差约束: |v_i - v_{i+1}| \leq \Delta v, \quad \forall i = 1, 2, \dots, m-1 - 隐含约束: v_i > 0 (速度为正)。 4. 优化模型求解算法 模型特点 目标函数为凸函数( \frac{1}{v_i} 是凸函数,求和仍为凸函数),约束条件为线性不等式,属于凸优化问题,可通过梯度下降或拉格朗日乘数法求解全局最优解。但因相邻速度差约束的存在,需考虑序列相关性,适合用动态规划(DP)或序列二次规划(SQP)。 算法选择与步骤 - 方法1:动态规划(适用于中小规模 m ) - 状态定义:设 dp[i][v] 表示第 i 列列车速度为 v 时的最小累计能耗。 - 状态转移: dp[i][v_i] = \min_{v_{i-1} \in [v_
04-28
评论
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