bzoj [SDOI2009]学校食堂Dining

本文深入探讨了状压动态规划(DP)的概念与应用,通过一个具体的算法问题,详细解析了状态定义、状态转移方程及其实现细节。文章提供了完整的C++代码示例,帮助读者理解如何在实际编程中运用状压DP解决复杂问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

感觉这个状压dp比较难想。。

 

dp[ i ][ s ][ k ] 表示前i - 1个都排好了, 从i开始的7个的取没取的状态为s, 且最后一个相对i的位置为k的最少花费。

 

状态转移方程

if(s & 1) dp[ i + 1][s >> 1][ k - 1] = min(dp[ i + 1][s >> 1][ k - 1], dp[ i ][ s ][ k ])

else dp[ i ][ s ^ (1 << j)][ j ] = min(dp[ i ][ s ^ (1 << j) ][ j ], dp[ i ][ s ][ k ]) 

转移的时候注意,限制条件。

#include<bits/stdc++.h>
#define LL long long
#define fi first
#define se second
#define mk make_pair
#define pii pair<int,int>
#define piii pair<int, pair<int,int> >

using namespace std;

const int N = 1000 + 10;
const int M = 10 + 7;
const int inf = 0x3f3f3f3f;
const LL INF = 0x3f3f3f3f3f3f3f3f;
const int mod = 1e9 + 7;
const int MOD = 1e6 + 3;
const double eps = 1e-6;
const int base = 8;

pii a[N];
int n, T, cost[N][N];
int dp[N][1 << 8][16];
int main() {
    scanf("%d", &T);
    while(T--) {
        memset(dp, inf, sizeof(dp));
        scanf("%d", &n);
        for(int i = 1; i <= n; i++) {
            scanf("%d%d", &a[i].fi, &a[i].se);
            a[i].se = min(a[i].se, n - i);
        }

        for(int i = 1; i <= n; i++) {
            for(int j = 1; j <= n; j++) {
                if(i == j) continue;
                cost[i][j] = a[i].fi ^ a[j].fi;
            }
        }

        dp[1][0][-1 + base] = 0;

        int up = 1 << 8;
        for(int i = 1; i <= n; i++) {
            for(int s = 0; s < up; s++) {
                for(int k = -8; k <= 7; k++) {
                    if(dp[i][s][k + base] >= inf) continue;
                    if(s & 1) {
                        int t = s >> 1;
                        dp[i + 1][t][k - 1 + base] = min(dp[i + 1][t][k - 1 + base], dp[i][s][k + base]);
                    } else {
                        int last = inf;
                        for(int j = 0; j <= 7; j++) {
                            if(s & (1 << j)) continue;

                            if(i + j > last) break;
                            last = min(last, i + a[i + j].se + j);
                            int t = s ^ (1 << j);
                            dp[i][t][j + base] = min(dp[i][t][j + base], dp[i][s][k + base] + cost[i + k][i + j]);
                        }
                    }
                }
            }
        }

        int ans = inf;
        for(int k = -8; k <= -1; k++)
            ans = min(ans, dp[n + 1][0][k + base]);

        printf("%d\n", ans);
    }
    return 0;
}
/*
*/

 

转载于:https://www.cnblogs.com/CJLHY/p/9122988.html

【资源说明】 1.项目代码功能经验证ok,确保稳定可靠运行。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通。 2.主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 本文介绍了基于QEM(Quadric Error Metrics,二次误差度量)的优化网格简化算法的C和C++实现源码及其相关文档。这一算法主要应用于计算机图形学领域,用于优化三维模型的多边形数量,使之在保持原有模型特征的前提下实现简化。简化的目的是为了提高渲染速度,减少计算资源消耗,以及便于网络传输等。 本项目的核心是网格简化算法的实现,而QEM作为该算法的核心,是一种衡量简化误差的数学方法。通过计算每个顶点的二次误差矩阵来评估简化操作的误差,并以此来指导网格简化过程。QEM算法因其高效性和准确性在计算机图形学中广泛应用,尤其在实时渲染和三维打印领域。 项目代码包含C和C++两种语言版本,这意味着它可以在多种开发环境中运行,增加了其适用范围。对于计算机相关专业的学生、教师和行业从业者来说,这个项目提供了丰富的学习和实践机会。无论是作为学习编程的入门材料,还是作为深入研究计算机图形学的项目,该项目都具有实用价值。 此外,项目包含的论文文档为理解网格简化算法提供了理论基础。论文详细介绍了QEM算法的原理、实施步骤以及与其他算法的对比分析。这不仅有助于加深对算法的理解,也为那些希望将算法应用于自己研究领域的人员提供了参考资料。 资源说明文档强调了项目的稳定性和可靠性,并鼓励用户在使用过程中提出问题或建议,以便不断地优化和完善项目。文档还提醒用户注意查看,以获取使用该项目的所有必要信息。 项目的文件名称列表中包含了加水印的论文文档、资源说明文件和实际的项目代码目录,后者位于名为Mesh-Simplification-master的目录下。用户可以将这些资源用于多种教学和研究目的,包括课程设计、毕业设计、项目立项演示等。 这个项目是一个宝贵的资源,它不仅提供了一个成熟的技术实现,而且为进一步的研究和学习提供了坚实的基础。它鼓励用户探索和扩展,以期在计算机图形学领域中取得更深入的研究成果。
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