石子合并(DP+ 四边形不等式优化)

此类问题如    石子合并问题 和  玲珑OJ 1066 buy candy   


区间DP的典型例题, 状态转移是    dp【i】【j】=min(dp【i】【k】+dp【k+1】【j】+w【i,j】){ i<=K<=j  }, 这里w【i,j】是合并条件的函数,  O(N^3)的时间复杂度。

有一种情况可以优化为O(N^2)的时间复杂度,

(1)当函数w[i,j]满足w[i,j]+w[i',j']<=w[i',j]+w[i,j'],i<=i'<=j<=j'时,称w满足四边形不等式。

(2)当函数w[i,j]满足w[i’,j]≤w[i,j’],i<=i'<=j<=j' 时称w关于区间包含关系单调。

设s【i,j】是dp【i,j】最优值时的K值。

当求最小值时:

当上面条件成立时,k的范围就可以限制为s【i,j-1】<=k<=【i+1,j】,这样时间复杂度就限制在了n^2.

求最大值时:

条件成立时,状态转移方程就变成了  dp【i】【j】=max(dp【i】【j-1】,dp【i+1】【j】),时间复杂度还是在n^2内。

这里有证明,点这里

这里有石子合并的代码:(参考于http://blog.youkuaiyun.com/Wearry/article/details/52136817)

代码:

#include<bits/stdc++.h>
using namespace std;
const int maxn = 1000 + 10;
const int INF = 0x3f3f3f3f;

int n;
int c[maxn], v[maxn], f[2][maxn][maxn], s[2][maxn][maxn];

int Getsum(int l, int r) { return c[r] - c[l-1]; }
void combine() { 
    for(int i=0; i<2*n; i++) 
        for(int j=0; j<2; j++) f[j][i][i] = 0, s[j][i][i] = i;

    for(int len=1; len<n; len++) 
        for(int i=0; i+len<2*n; i++) {
            int j = i + len;
            f[0][i][j] = INF; f[1][i][j] = -INF; 
            for(int k=s[0][i][j-1]; k<=s[0][i+1][j]; k++) {
                if(f[0][i][k-1] + f[0][k][j] + Getsum(i, j) < f[0][i][j]) {
                    f[0][i][j] = f[0][i][k-1] + f[0][k][j] + Getsum(i, j);
                    s[0][i][j] = k;
                }
            }f[1][i][j] = max(f[1][i][j-1], f[1][i+1][j]) + Getsum(i, j);
        }
}           

int main() {
#ifndef ONLINE_JUDGE
    freopen("data.txt", "r", stdin);
    freopen("ans.txt", "w", stdout);
#endif
    scanf("%d", &n);
    for(int i=0; i<n; i++) {
        scanf("%d", &v[i]);
        v[i+n] = v[i];
    }

    c[0] = v[0];
    for(int i=1; i<2*n; i++) c[i] = c[i-1] + v[i];

    combine();

    int Min = INF, Max = -INF;
    for(int i=0; i<=n; i++) Min = min(Min, f[0][i][i+n-1]);
    for(int i=0; i<=n; i++) Max = max(Max, f[1][i][i+n-1]);
    cout << Min << endl << Max << endl;
    return 0;
}

这里还有玲珑OJ 1066的代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <stack>
#include <map>
#include <set>
#include <vector>
#include <queue>
#define mem(p,k) memset(p,k,sizeof(p));
#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1
#define inf 0x6fffffff
#define LL long long
#define MAXN 20000
using namespace std;
LL a[1100],b[10],dp[1100][1100],s[1100][1100],p[1100];
LL ss(int m,LL x){
    LL ans=0,k=1;
    for(int i=0;i<=m;i++){
            ans+=b[i]*k;
            k*=x;
    }
    return ans;
}
int main(){
    int t;
    cin>>t;
    while(t--){
        int n,m;
        scanf("%d",&n);
        mem(dp,127);
        for(int i=1;i<=n;i++){
            scanf("%d",a+i);
            p[i]=p[i-1]+a[i];
            dp[i][i]=0;
            s[i][i+1]=i;
        }
        scanf("%d",&m);
        for(int i=0;i<=m;i++)scanf("%lld",b+i);

        for(int i=1;i<n;i++){
            dp[i][i+1]=ss(m,p[i+1]-p[i-1]);
        }
        for(int i=n-2;i>=1;i--){
            for(int j=i+2;j<=n;j++){
                LL x=ss(m,p[j]-p[i-1]);
                for(int k=s[i][j-1];k<=s[i+1][j];k++){

                       if(dp[i][j]>dp[i][k]+dp[k+1][j]+x){
                            dp[i][j]=dp[i][k]+dp[k+1][j]+x;
                            s[i][j]=k;
                       }

                }
            }
        }
        printf("%lld\n",dp[1][n]);
    }
    return 0;
}




四边形不等式是一种在动态规划优化中使用的重要理论,虽参考引用未提及相关内容,但下面将介绍其原理、应用及代码示例。 ### 原理 四边形不等式是指对于函数 $w(i, j)$,若对于任意的 $a \leq b \leq c \leq d$,都有 $w(a, d) + w(b, c) \geq w(a, c) + w(b, d)$ 成立,则称函数 $w$ 满足四边形不等式。在动态规划中,若状态转移方程 $dp[i][j] = \min_{i \leq k < j} \{dp[i][k] + dp[k + 1][j] + w(i, j)\}$ 中的 $w(i, j)$ 满足四边形不等式,那么 $dp[i][j]$ 也满足四边形不等式,并且可以证明决策点 $s[i][j]$ 具有单调性,即 $s[i][j - 1] \leq s[i][j] \leq s[i + 1][j]$,利用这一性质可以将动态规划的时间复杂度从 $O(n^3)$ 优化到 $O(n^2)$。 ### 应用 四边形不等式主要应用于动态规划的优化,常见的应用场景有: - **区间动态规划**:在处理区间合并、区间划分等问题时,若状态转移方程符合上述形式且 $w(i, j)$ 满足四边形不等式,就可以使用该优化方法。 - **最优二叉搜索树**:在构建最优二叉搜索树的过程中,通过四边形不等式可以优化动态规划的过程,减少不必要的计算。 ### 代码示例 以下是一个使用四边形不等式优化的动态规划代码示例,用于解决石子合并问题: ```java public class QuadrangleInequality { public static int stoneMerge(int[] stones) { int n = stones.length; int[] sum = new int[n + 1]; for (int i = 1; i <= n; i++) { sum[i] = sum[i - 1] + stones[i - 1]; } int[][] dp = new int[n + 1][n + 1]; int[][] s = new int[n + 1][n + 1]; for (int i = 1; i <= n; i++) { s[i][i] = i; } for (int len = 2; len <= n; len++) { for (int i = 1; i <= n - len + 1; i++) { int j = i + len - 1; dp[i][j] = Integer.MAX_VALUE; for (int k = s[i][j - 1]; k <= s[i + 1][j]; k++) { int temp = dp[i][k] + dp[k + 1][j] + sum[j] - sum[i - 1]; if (temp < dp[i][j]) { dp[i][j] = temp; s[i][j] = k; } } } } return dp[1][n]; } public static void main(String[] args) { int[] stones = {3, 2, 4, 1}; System.out.println("最小合并代价: " + stoneMerge(stones)); } } ``` 在上述代码中,`stoneMerge` 方法实现了石子合并问题的动态规划解法,并使用四边形不等式进行了优化。`sum` 数组用于记录前缀和,`dp` 数组用于记录状态,`s` 数组用于记录决策点。通过两层循环枚举区间长度和区间起点,在状态转移时利用决策点的单调性减少不必要的计算。
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