洛谷 P1052 过河 (离散化+dp)

本文探讨了在面对大规模数据范围时,如何通过数学方法进行有效离散化,以优化动态规划(DP)算法的实现。特别介绍了将距离对特定数值取模的方法,以及在空间优化方面的技巧,为解决具有大量状态转移的DP问题提供了实用的解决方案。

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

dp非常好想, f[i] = min(f[i-len] + stone[i]) s <= len <= t
然后因为L非常大,所以我就不知道该怎么搞了
我看到m只有100,而L有1e9,我就知道肯定要通过某种数学方法来离散化
然而我并没有想出来这个数学方法

看来题解,原来这个方法很简单,我怎么就没有想到
因为最大走10步,所以把距离对1到10的最小公倍数是2520取模就好了。
离散化之后就可以愉快地dp了

#include<cstdio>
#include<algorithm>
#include<cstring>
#define REP(i, a, b) for(int i = (a); i < (b); i++)
#define _for(i, a, b) for(int i = (a); i <= (b); i++)
using namespace std;

const int MAXM = 312345;
const int MAXN = 112;
int f[MAXM], a[MAXN], d[MAXN];
int stone[MAXM], s, t, n, L;

int main()
{
	scanf("%d%d%d%d", &L, &s, &t, &n);
	_for(i, 1, n) scanf("%d", &a[i]);
	sort(a + 1, a + n + 1);
	
	_for(i, 1, n) d[i] = (a[i] - a[i-1]) % 2520;
	_for(i, 1, n) a[i] = a[i-1] + d[i], stone[a[i]] = 1;
	L = a[n];
	
	memset(f, 0x3f, sizeof(f));
	f[0] = 0;
	_for(i, 1, L + t)
		_for(len, s, min(i, t))
			f[i] = min(f[i], f[i-len] + stone[i]);
	
	int ans = 1e8;
	_for(i, L, L + t)
		ans = min(ans, f[i]);
	printf("%d\n", ans);
	
	return 0;
}

当然还有更好的优化方式

当距离小于t时保持不变,大于t时,改成d % t + t(一定要再加上t!!!)

我一开始是有想到,但是我想到还有s,s+1等
说实话不用想得这么完美,直接用最大的t模就好了。

这样空间可以开小很多。

#include<cstdio>
#include<algorithm>
#include<cstring>
#define REP(i, a, b) for(int i = (a); i < (b); i++)
#define _for(i, a, b) for(int i = (a); i <= (b); i++)
using namespace std;

const int MAXM = 2123;
const int MAXN = 112;
int f[MAXM], a[MAXN], d[MAXN];
int stone[MAXM], s, t, n, L;

int main()
{
	scanf("%d%d%d%d", &L, &s, &t, &n);
	_for(i, 1, n) scanf("%d", &a[i]);
	sort(a + 1, a + n + 1);

	_for(i, 1, n) 
	{
		d[i] = a[i] - a[i-1];
		if(d[i] > t) d[i] = (d[i] % t) + t; 
	}
	_for(i, 1, n) a[i] = a[i-1] + d[i], stone[a[i]] = 1;
	L = a[n];
	
	memset(f, 0x3f, sizeof(f));
	f[0] = 0;
	_for(i, 1, L + t)
		_for(len, s, min(i, t))
			f[i] = min(f[i], f[i-len] + stone[i]);
	
	int ans = 1e8;
	_for(i, L, L + t)
		ans = min(ans, f[i]);
	printf("%d\n", ans);
	
	return 0;
}

 

### 洛谷 P1809 过河 问题 解析与实现 洛谷 P1809《过河》是一道经典的动态规划问题,核心在于通过合理的状态设计和转移方程计算从起点到终点的最小花费。以下是对此题的详细解析及解决方案。 --- #### **题目概述** 在一个宽度为 $D$ 的河流上,有若干石头分布在特定位置。每一步可以从当前位置跳至下一石头或直接越过某些石头到达另一侧。跳跃的距离有限制,且每次跳跃会产生一定费用。目标是以最低总费用完成整个跨越过程。 --- #### **动态规划解法** ##### **状态定义** 设 $f[x]$ 表示到达距离起点 $x$ 处所需最少费用[^3]。 ##### **转移方程** 对于每个位置 $x$,如果可以直接从前面某个位置 $y$ 跳跃而来,则满足以下关系: $$ f[x] = \min_{\text{all valid } y} (f[y] + C(x-y)) $$ 其中 $C(d)$ 是跳跃距离 $d$ 所对应的固定费用函数。 特别注意边界情况:当 $x=0$ 时,初始值应设定为零 ($f[0]=0$),因为这是起始点不需要额外付出任何代价即可达到的地方;而对于那些不可达的位置则赋予极大值作为标志位以便后续判断逻辑正常运作。 ##### **初始化与迭代顺序** - 初始化所有可能的最大索引范围内的数组元素均为正无穷大($\infty$),除了已知的确切出发地点外。 - 自左向右依次枚举每一个潜在可达的新站点$x$,并尝试由先前已经处理完毕的老站点们更新当前最佳记录$f[x]$. --- #### **代码实现** 下面是基于以上讨论编写的一个标准C++版本解答: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 1e9; int main(){ int N,M,K,dist,max_jump,min_cost; cin>>N>>M>>K>>dist>>max_jump>>min_cost; vector<int> pos(K); for(auto &p :pos){ cin >> p; } sort(pos.begin(), pos.end()); unordered_map<int,int> cost; while(M--){ int d,c; cin>>d>>c; cost[d]=c; } // Initialize DP array with infinity values except start point which is zero. vector<long long> dp(dist+1,INF); dp[0]=0; // Precompute all possible jump costs within max_jump limit. vector<long long> jumps(max_jump+1, min_cost*(long long)(max_jump)); for(int i=1;i<=max_jump &&i<dist;++i){ auto it = cost.find(i); if(it !=cost.end()) { jumps[i]=(it->second)<jumps[i]?((it->second)):jumps[i]; } } // Perform dynamic programming updates based on precomputed data. for(int x=1;x<=dist;x++){ for(int step=1;step<=max_jump&&x-step>=0;step++) { dp[x]=std::min(dp[x],dp[x-step]+jumps[step]); } } cout<< ((dp[dist]==INF)? -1 : dp[dist]) << "\n"; } ``` --- #### **复杂度分析** - 时间复杂度:预处理阶段耗时约为 $O(\log K+\sum D_i )$, 主循环部分取决于最大允许步幅$max\_jump$ 及全程长度$dist$ , 故整体级别大致相当于 $ O(D*J) $ 其中 J=max_jump . - 空间复杂度:主要占用来自于存储DP表的空间大小即 $O(D)$ . --- ### 结论 通过对洛谷 P1809《过河》一题深入剖析可知,运用恰当的状态表达方式配合简洁明了的递推公式可高效求得全局最优解。此方法不仅限于此单一场景,在更多相似结构的问题里同样具备广泛适用价值。 ---
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