CF 189A DP

DP算法优化解决布段分配问题

有一条长度为N的布,要将其尽可能多的分为不同的子段,且要求每一个子段的长度为 a,b,或c。(a,b,c 可能相同)

N的范围为(1, 4000)


这道题我只想到了暴力的做法,三个for找可行解,然后更新最值。

int main ()
{
    int n, a[3], tot = 0;
    cin>>n>>a[0]>>a[1]>>a[2];
    sort(a, a + 3);
    for (int i = n / a[0]; i >= 0; i--) {
        for (int j = (n - i * a[0]) / a[1]; j >= 0; j--) {
            int t = (n - i * a[0] - j * a[1]);
            if (t >= 0 && t % a[2] == 0) {
                tot = max(tot, i + j + t / a[2]);
            }
        }
    }
    cout<<tot<<endl;
    return 0;
}

有一个很巧妙的DP做法。

用一个数组 dp[N] 表示每一个长度能够分成子段的最大数。一开始全部复制为  - INF。dp[0] = 0;

然后每输入一个数a, 更新dp[a, N] , 状态转移方程为:

dp[j]=max(dp[j-a]+1,dp[j]);

int main () {
    int n, dp[4005], a;
    cin>>n;
    fill(dp + 1, dp + n + 1, -INF);
    for (int i = 1; i <= 3; i++) {
        cin>>a;
        for (int j = a; j <= n; j++) dp[j] = max(dp[j - a] + 1, dp[j]);
    }
    cout<<dp[n]<<endl;
}

那么通过这个方法,可以改变一下题目,使得暴力过不了。

比如说给出N的最大值为10^6。 且有10个子段,问这N个数中能够分解的有多少个。 这样的复杂度为10^7。 通过暴力必然过不了。


### 关于斜率优化动态规划的题目列表 在Codeforces平台上存在多个涉及斜率优化动态规划(DP)的挑战性问题。这类算法通常用于解决具有特定结构化状态转移方程的问题,其中决策变量之间的关系可以通过几何特性——特别是直线间的相对位置变化来有效处理。 #### 例子一:Cats Transport 在此题中,给定了`p`个人运输猫的任务安排模型[^3]。每次操作都基于先前的状态进行更新,即当前层的结果依赖于上一层的数据计算而来。具体表达式如下所示: ```cpp dp[k][i] = dp[k-1][j] + A[i]*(i-j) - (S[i] - S[j]); ``` 此公式展示了如何利用历史最优解构建新的解决方案,并引入了线性函数的概念以便后续应用斜率优化技巧。 #### 例子二:The Fair Nut and Rectangles 该问题描述了一个更复杂的场景,在这里不仅涉及到简单的数值运算,还需要考虑二维平面上矩形的选择策略以最大化收益差额[^4]。其核心在于巧妙地定义状态空间以及相应的转换逻辑,从而允许采用高效的斜率优化方法加速求解过程。 为了帮助更好地理解和练习此类技术,下面列举了一些适合初学者和中级选手尝试的经典习题链接(请注意实际编号可能会有所变动): - **CF317E**. [Ostap and Tree](https://codeforces.com/problemset/problem/317/E): 虽然名字里提到树,但这道题实际上是关于路径覆盖的一个变种版本。 - **CF629F**. [Polygons on the Grid](https://codeforces.com/problemset/problem/629/F): 这是一个典型的多边形放置类问题,非常适合用来熟悉斜率优化的思想。 - **CF1083E**. [The Fair Nut and Rectangles](https://codeforces.com/problemset/problem/1083/E): 如前所述,这是一个很好的综合案例研究对象。 - **CF580E**. [Kefa and Watch](https://codeforces.com/problemset/problem/580/E): 尽管表面上看起来像是贪心或者记忆化搜索可以搞定的事情,但实际上背后隐藏着精妙的斜率优化机制等待挖掘。 这些资源能够提供丰富的实践机会,有助于深入掌握斜率优化DP这一强大工具的应用范围及其局限所在。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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