codevs 4203 山区建小学

本文探讨了一个有趣的DP问题:如何在山区的m个村庄中选择n个村庄建设小学,以使所有村庄到最近小学的距离总和最小。文章详细解析了解决方案的难点,包括预处理和DP方程,并分享了实现代码。

时间限制: 1 s
空间限制: 16000 KB

题目描述 Description

政府在某山区修建了一条道路,恰好穿越总共m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di(为正整数),其中,0 < i < m。为了提高山区的文化素质,政府又决定从m个村中选择n个村建小学(设 0 < n < = m < 500 )。请根据给定的m、n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。

输入描述 Input Description

第1行为m和n,其间用空格间隔
第2行为(m-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(样例输入)

表示在10个村庄建3所学校。

第1个村庄与第2个村庄距离为2,

第2个村庄与第3个村庄距离为4,

第3个村庄与第4个村庄距离为6,

…,

第9个村庄到第10个村庄的距离为3。

输出描述 Output Description

各村庄到最近学校的距离之和的最小值。

样例输入 Sample Input

10 2

3 1 3 1 1 1 1 1 3

样例输出 Sample Output

18

数据范围及提示 Data Size & Hint

0 < n < = m < 500

最近做到这道题,想了很久没搞出来,最终还是看了些大神的思路才明白。
真的是强
已经算是遇到过的非常有意思的dp了吧

总结一下,
其实难点有以下几点:
1、预处理:先建立init[i][j],表示从i村到j村之间建一个小学时,这个区间里的最短距离和。这里有个小tip,就是这小学一定建在(i+j)/2的地方,具体不证。
2、dp方程:step[i][j]表示从第一个到第i个村间建j个小学时的最短距离和,则有step[i][j]=max(step[i][j],step[k][j-1]+init[k+1][i]),且j-1≤k≤i-1。

※其实刚看到这条方程时,还在怀疑是不是错了,毕竟k+1~i的村也可以到k以前的小学去呀?但后来一想,这其实不是错误,假如第k+1村到前面的小学更近,那就是step[k+1][j-1]+init[k+2][i]时要考虑的了。

再次膜拜大佬,这思路6666666666

下面放代码(自己写的,不太简洁):

代码

#include<iostream>
#include<cmath>
using namespace std;
int m,n,len[505]={0},step[505][505]={0},init[505][505]={0};
int main(){
    cin>>m>>n;
    for (int i=2;i<=m;i++){
        cin>>len[i];
        len[i]+=len[i-1];    //标记每个村庄位置
    }

    for (int i=1;i<=m;i++){
        for (int j=1;j<=i;j++){
            int mid=(j+i)/2;
            for (int k=j;k<=i;k++) init[j][i]+=abs(len[mid]-len[k]);    //预处理
        }
        step[i][1]=init[1][i];  
    }

    for (int i=2;i<=n;i++)
    for (int j=i;j<=m;j++){
        step[j][i]=step[i-1][i-1]+init[i][j]; 
        for (int k=i+1;k<=j;k++)
            step[j][i]=min(step[j][i],step[k-1][i-1]+init[k][j]); //dp方程
    }

    cout<<step[m][n];
    return 0;
} 
### 关于信息学奥赛 NOIP “山区小学” 的解法与思路 #### 问题描述 题目通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 该问题可以通过动态规划来解决。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)` 可以通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
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