信息奥赛一本通1197:山区建小学

政府在山区修建的道路穿越了m个村庄,并计划从中选n个建立小学,目标是最小化所有村庄到最近小学的路程总和。给定村庄间距离,求解最小总和。输入包括村庄数量m、学校数量n及相邻村庄距离,输出为最小距离总和。例如,10个村庄选2所小学时,最小距离总和为18。

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

【题目描述】
政府在某山区修建了一条道路,恰好穿越总共mm个村庄的每个村庄一次,没有回路或交叉,任意两个村庄只能通过这条路来往。已知任意两个相邻的村庄之间的距离为didi(为正整数),其中,0<i<m0<i<m。为了提高山区的文化素质,政府又决定从mm个村中选择nn个村建小学(设0<n≤m<5000<n≤m<500)。请根据给定的mm、nn以及所有相邻村庄的距离,选择在哪些村庄建小学,才使得所有村到最近小学的距离总和最小,计算最小值。

【输入】
第1行为mm和nn,其间用空格间隔

第2行为m−1m−1 个整数,依次表示从一端到另一端的相邻村庄的距离,整数之间以空格间隔。

例如:

10 3
2 4 6 5 2 4 3 1 3
表示在1010个村庄建33所学校。第11个村庄与第22个村庄距离为22,第22个村庄与第33个村庄距离为44,第33个村庄与第44个村庄距离为66,…,第99个村庄到第1010个村庄的距离为33。

【输出】
各村庄到最近学校的距离之和的最小值。

【输入样例】
10 2
3 1 3 1 1 1 1 1 3
【输出样例】
18

//1197:山区建小学(递推法,不超时)
//假设m个村庄,现在已经有i个学校,使得所有村庄到i个学校的路径和最小
//因为每个学校它能覆盖它左右的一个连续区域
//可以把m个村庄分成两个部分,编号1至k-1的村庄刚好是前i-1所学校的覆盖范围
//编号k至m为第i所小学的覆盖范围.第i所小学覆盖的所有村庄到第i所小学的最短路径为:
//第i所学校必然在k+1至m的中间位置:mid=(k+m)/2 
//s[k][m]表示编号k至编号m的区域中间新建一所学校,所有村庄到学校的距离和
//s[k][m]=(a[mid]-a[k])+(a[mid]-a[k+1])+……+(a[mid]-a[mid-1])+(a[mid+1]-a[mid])+(a[mid+2]-a[mid])+……+(a[m]-a[mid]) 
//f[i][j]表示前i个村庄有j所学校,并且是所有i个村庄到这j
### 关于信息奥赛 NOIP “山区小学” 的解法与思路 #### 问题描述 题目常涉及在一个一维数组上选择若干位置立学校,使得所有村庄到最近学校的距离之和最小化。这是一个经典的优化问题。 #### 解决方法概述 该问题可以过动态规划来解决。以下是详细的分析: 1. **状态定义** 定义 `dp[i][k]` 表示前 `i` 个村庄立了 `k` 所学校时的最优解(即总距离最短)。其中,`i` 是当前考虑的村庄编号,`k` 是已经立的学校数量[^2]。 2. **转移方程** 对于每一个子问题 `dp[i][k]`,可以枚举第 `k` 所学校的位置 `j` (满足 `j ≤ i`),则有: \[ dp[i][k] = \min_{j} (dp[j-1][k-1] + cost(j, i)) \] 其中,`cost(j, i)` 表示从村庄 `j` 到村庄 `i` 如果只设立一所学校,则这些村庄到这所学校的总距离。 3. **预处理成本函数** 计算任意区间 `[l, r]` 内如果设置一所学校所需的总代价 `cost(l, r)` 可以过二分查找找到最佳学校位置并计算相应距离。为了加速这一过程,可以利用前缀和技巧预先计算每两个村庄之间的绝对差值累积和。 4. **初始化条件** 当仅有一个村庄时 (`i=1`) ,无论造多少所学校,其初始值都应设为零;当没有任何学校被设时(`k=0`),除了第一个村庄外其他地方的距离均为无穷大或者极大值表示不可达情况。 5. **最终答案获取** 结果存储在 `dp[n][m]` 中,这里 `n` 是总的村庄数目而 `m` 是允许的最大学校数。 ```python def solve(): n, m = map(int, input().split()) # 村庄数 和 学校数 pos = list(map(int, input().split())) # 每个村庄的位置 # 排序以便后续操作 pos.sort() # 初始化 cost 数组 cost = [[0]*(n+2) for _ in range(n+2)] prefix_sum = [0] * (n+1) for i in range(1, n+1): prefix_sum[i] = prefix_sum[i-1] + pos[i-1] def get_cost(l, r): # l,r 已经加1偏移量调整过了 mid = (l+r)//2 total = prefix_sum[r]-prefix_sum[l-1] median_pos = pos[mid-1] count = r-l+1 return abs(total - count*median_pos) for length in range(2,n+1): for start in range(1, n-length+2): end = start + length -1 cost[start][end]=get_cost(start,end) INF=float('inf') dp=[[INF]*(m+1)for _ in range(n+1)] for k in range(m+1): dp[0][k]=0 for i in range(1,n+1): for k in range(1,min(i,m)+1): for j in range(k,i+1): dp[i][k]= min(dp[i][k], dp[j-1][k-1]+cost[j][i]) print(dp[n][m]) ``` #### 时间复杂度分析 上述实现的时间复杂度主要由三重循环决定:外部两层遍历所有的 `(i,k)` 组合,内部一层用于寻找分割点 `j` 。因此总体时间复杂度大约为 O(N^2M),对于较小规模的数据集是可以接受的。
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

打赏作者

mengdicfm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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