区间dp+ 滚动数组uva1632

本文介绍了一种使用滚动数组优化的动态规划算法解决特定问题的方法。通过维护当前位置的状态(左右两边),并利用前一状态的值来更新当前状态,以此判断是否会出现时间超限的情况。文章提供了一个完整的C++实现代码示例。

转自:http://www.cnblogs.com/20143605--pcx/p/5200518.html


注意什么是状态,因为每次都要知道所处的位置,所以有0, 1 来表示在左边还是右边,,  对于判断会不会时间超限,就用本身的子结构(自然表示的时间)来判断。。

还有这个地方就像是背包一样可以用滚动数组优化,因为这个地方也是只由上一个状态决定,,所以用  ^  自然表示  奇偶性。



#include<cstdio>
#include<cstring>
#include<algorithm>
#include<queue>
#include<string>
#include<cstring>
#include<iomanip>
#include<iostream>
#include<stack>
#include<cmath>
#include<map>
#include<vector>
#define ll long long
#define inf 0x3f3f3f3f
#define INF 1000000000
#define bug1 cout<<"bug1"<<endl;
#define bug2 cout<<"bug2"<<endl;
#define bug3 cout<<"bug3"<<endl;
using namespace std;

const int maxn=10005;
int dp[2][maxn][2];
int x[maxn],t[maxn];
int main()
{   int n;
    while(~scanf("%d",&n))
    {
        for(int i=0;i<n;++i){
            scanf("%d%d",x+i,t+i);
            dp[1][i][0]=dp[1][i][1]=dp[0][i][0]=dp[0][i][1]=(t[i]>0)?0:INF;
        }

        for(int i=n-2;i>=0;--i){
            for(int j=i+1;j<n;++j){
                dp[i&1][j][0]=dp[i&1][j][1]=inf;
                if(dp[(i&1)^1][j][0]!=inf&&dp[(i&1)^1][j][0]+x[i+1]-x[i]<t[i])
                    dp[i&1][j][0]=min(dp[i&1][j][0],dp[(i&1)^1][j][0]+x[i+1]-x[i]);
                if(dp[(i&1)^1][j][1]!=inf&&dp[(i&1)^1][j][1]+x[j]-x[i]<t[i])
                    dp[i&1][j][0]=min(dp[i&1][j][0],dp[(i&1)^1][j][1]+x[j]-x[i]);
                if(dp[i&1][j-1][0]!=inf&&dp[i&1][j-1][0]+x[j]-x[i]<t[j])
                    dp[i&1][j][1]=min(dp[i&1][j][1],dp[i&1][j-1][0]+x[j]-x[i]);
                if(dp[i&1][j-1][1]!=inf&&dp[i&1][j-1][1]+x[j]-x[j-1]<t[j])
                    dp[i&1][j][1]=min(dp[i&1][j][1],dp[i&1][j-1][1]+x[j]-x[j-1]);
            }
        }
        if(dp[0][n-1][1]==inf&&dp[0][n-1][0]==inf) printf("No solution\n");
        else printf("%d\n",min(dp[0][n-1][0],dp[0][n-1][1]));
    }
    return 0;
}


### 滚动数组在动态规划中的原理 为了减少空间复杂度,在某些情况下可以采用滚动数组技术来优化动态规划的空间占用。当状态转移仅依赖于前几层的状态时,没有必要保存整个多维数组的历史记录。 对于线性动态规划问题而言,如果当前计算只涉及到之前一层的数据,则可以通过一维数组代替二维数组完成相同的功能[^1]。具体来说,原本需要通过 `dp[i][j]` 来表示第i阶段容量为j的最大价值,现在只需要用到一个长度为物品体积上限加一的一维数组即可实现同样的效果。 ### 实现方法 考虑经典的0/1背包问题作为例子: 原始版本中使用的是如下形式的状态转移方程: ```python for i in range(1, n+1): for j in range(W, w[i]-1, -1): dp[j] = max(dp[j], dp[j-w[i]] + v[i]) ``` 这里展示如何利用Python代码简化上述过程并引入滚动数组的概念: ```python def knapsack(weights, values, capacity): n = len(values) # 初始化单行DPdp = [0] * (capacity + 1) for item_index in range(n): weight = weights[item_index] value = values[item_index] # 反向遍历以防止覆盖未处理过的数据 for current_capacity in reversed(range(weight, capacity + 1)): without_item = dp[current_capacity] with_item = dp[current_capacity - weight] + value dp[current_capacity] = max(without_item, with_item) return dp[-1] ``` 在这个改进后的版本里,每次迭代都更新了一次新的“临时”结果存入同一位置,从而实现了原地替换的效果。这不仅节省了大量的内存资源,而且提高了程序运行效率。
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