区间 DP

在一个风雨交加的夜晚,FarmerJohn的牛棚遭受破坏。为了修复牛棚并使用最少的木板材料,需要通过算法计算出覆盖所有有牛居住区域所需的最短木板总长度。该问题可通过动态规划求解。

在一个月黑风高的暴风雨夜,Farmer John 的牛棚的屋顶、门被吹飞了 好在许多牛正在度假,所以牛棚没有住满。

牛棚一个紧挨着另一个被排成一行,牛就住在里面过夜。有些牛棚里有牛,有些没有。 所有的牛棚有相同的宽度。

自门遗失以后,Farmer John 必须尽快在牛棚之前竖立起新的木板。他的新木材供应商将会供应他任何他想要的长度,但是吝啬的供应商只能提供有限数目的木板。 Farmer John 想将他购买的木板总长度减到最少。

给出 m,s,cm,s,c,表示木板最大的数目、牛棚的总数、牛的总数;以及每头牛所在牛棚的编号,请算出拦住所有有牛的牛棚所需木板的最小总长度。

输入格式

一行三个整数 m,s,cm,s,c,意义如题目描述。
接下来 cc 行,每行包含一个整数,表示牛所占的牛棚的编号。

输出格式

输出一行一个整数,表示所需木板的最小总长度。

#include<iostream>
#include<algorithm>
using namespace std;
#define int long long
const int maxn=55;
const int maxm=205;
const int INF=1e9;
int a[maxm];
int dp[maxm];
signed main()
{
    int m,s,c;cin>>m>>s>>c;
    int sum=0;
    for(int i=1;i<=c;i++)
    {
        cin>>a[i];
    }
    sort(a+1,a+1+c);
    if(m>=c){
        cout<<c<<endl;
        return 0;
    }
    for(int i=1;i<=c;i++)
    {
        //cout<<a[i]<<endl;
        dp[i]=a[i]-a[1]+1;
    }
    for(int i=2;i<=m;i++)
    {
        for(int j=c-m+i;j>=i;j--)
        {
            for(int k=i-1;k<j;k++)
            {
                dp[j]=min(dp[j],dp[k]+a[j]-a[k+1]+1);
            }
        }
    }
    cout<<dp[c]<<endl;
}

### 区间动态规划的概念 区间动态规划是一种特殊的动态规划形式,主要用于解决涉及序列或数组中的某些区间的最优化问题。其核心思想是将整个区间划分为若干个小的子区间,在这些子区间上计算最优解并逐步扩展至更大的区间范围,最终得到全局最优解[^1]。 这种类型的动态规划通常用于处理具有某种“分治”性质的问题,即可以通过分割成更小子区间来解决问题,并且满足无后效性和最优子结构性质[^2]。 --- ### 区间动态规划的核心要素 #### 定义状态 设 `dp[l][r]` 表示从位置 `l` 到位置 `r` 的某个特定属性的最大值(或其他目标函数),其中 `l` 和 `r` 是区间的左端点和右端点。 #### 状态转移方程 对于任意一个区间 `[l, r]`,将其拆分成两部分:`[l, k]` 和 `[k+1, r]`,并通过枚举中间点 `k` 来更新当前区间的最优解: \[ dp[l][r] = \max(dp[l][r], f(dp[l][k], dp[k+1][r])) \] 这里的 `f()` 函数取决于具体问题的要求,可能是一个加法操作、乘法操作或者其他逻辑运算[^3]。 #### 初始化条件 初始状态下,当区间长度为 1 时(即 `l == r`),可以直接设定对应的值作为基础情况。 --- ### 示例:石子合并问题 假设有一排石头堆放在一条直线上,每堆都有一定的重量。现在要将所有的石子合并成一堆,每次只能选择相邻的两堆进行合并,合并后的总代价等于这两堆石子的重量之和。求最小化总的合并代价。 #### 输入样例 ``` stones = [4, 1, 1, 4] ``` #### 解决方案 以下是基于区间动态规划的思想实现的一个 Python 版本解决方案: ```python def stoneMerge(stones): n = len(stones) # 构造前缀和数组以便快速计算区间和 prefix_sum = [0] * (n + 1) for i in range(n): prefix_sum[i + 1] = prefix_sum[i] + stones[i] # 定义 dp 数组 dp = [[float('inf')] * n for _ in range(n)] # 当只有一个石子时,不需要任何代价 for i in range(n): dp[i][i] = 0 # 遍历所有可能的区间长度 for length in range(2, n + 1): # 子区间的长度从 2 开始逐渐增大 for l in range(n - length + 1): # 左边界 r = l + length - 1 # 右边界 # 尝试不同的分割点 k 进行合并 for k in range(l, r): cost = dp[l][k] + dp[k + 1][r] + (prefix_sum[r + 1] - prefix_sum[l]) if cost < dp[l][r]: dp[l][r] = cost return dp[0][n - 1] # 测试输入 stones = [4, 1, 1, 4] print(stoneMerge(stones)) # 输出应为 18 ``` 在这个例子中,我们利用了前缀和技巧加速计算区间内的权重总和,并通过遍历不同大小的子区间完成动态规划过程[^4]。 --- ### 总结 区间动态规划的关键在于如何合理地设计状态以及找到合适的递推关系。通过对小区间的不断组合与扩展,能够有效地构建出更大规模下的最优解结构。
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