最小和 dp

题目描述 Description

小浣熊松松来到文具店,选择了K支自己喜欢的水彩笔,并抄下了它们的价格。可是到结算时,他发现自己抄价格时抄得太密集,以至于所有价格连成了一个数字串(你可以假设价格都是正整数)。老板想和松松开个玩笑,于是对他说:“你可以把这个数字串分成K段,代表这K支笔的价格,然后把他们加起来,就是你要付给我的钱了。”当然,松松想尽可能省下钱去买《算法导论》,所以请你来帮忙算算,他最少需要付多少钱。

输入描述 Input Description

第一行包含一个整数N,代表松松抄下来的数字串。

第二行包含一个整数K,代表松松买了K支水彩笔。

输出描述 Output Description

输出仅一行,为松松买这些笔最少花的钱。

样例输入 Sample Input

79846

3

样例输出 Sample Output

133

由题目可以稍加变化即给出一个长度为n的数字串,与k个加号将原数字串分为k+1部分使得他们的和最小
则使用f(i,j)表示填入i个乘号共j个数时的最小和;
f(i,j)=min(f(i,j),f(i-1,k)+num);num表示第k位到第j位表示的数字;
则可用递推法写出程序:
#include<stdio.h>
#include<string.h>
#include<math.h>
#define INF 100000000
int min(int a,int b);
int sum[8],dp[9][9];
int main()
{
	int n,k,j,i,cur;
	char num[9];
	scanf("%s %d",num,&n);
	memset(sum,0,sizeof(sum));
	for(i=0;i<=8;i++)
		for(j=0;j<9;j++)
			dp[i][j]=INF;   //初始化状态数组
	for(i=1,cur=strlen(num);i<=cur;i++)
		dp[0][i]=sum[i]=sum[i-1]*10+num[i-1]-'0';//用sum记录前i项表示的数字顺便维护加号数为0时的状态数组
	for(i=1;i<n;i++)
		for(j=i+1;j<=cur;j++)
		{
			for(k=i;k<j;k++)
				dp[i][j]=min(dp[i][j],dp[i-1][k]+sum[j]-sum[k]*(int)pow(10,j-k));
		}
	printf("%d",dp[n-1][cur]);
	return 0;
}
int min(int a,int b)
{
	return a<b?a:b;
}





### 划的类型与常见模板 划是一种解决多阶段决策过程优化问题的方法,其核心在于将复杂的问题分解成更简单的子问题并存储这些子问题的结果以避免重复计算。以下是常见的划类型及其对应的模板。 #### 一维划 在一维划中,通常只涉及单一维度的状态表示。这种类型的划适用于线性结构的数据集,比如数组或字符串。 状态定义:`dp[i]` 表示前 `i` 个元素满足某种条件的最佳结果。 转移方程:`dp[i] = opt(dp[j]) + cost(i, j)`,其中 `opt` 是取最大值或者最小值的操作[^1]。 **代码模板** ```python n = len(nums) dp = [0] * (n + 1) for i in range(1, n + 1): dp[i] = max(dp[i - 1], nums[i - 1] + dp[i - 2]) print(dp[n]) ``` --- #### 多维划 当问题涉及到多个变量的变化时,就需要引入多维划。例如二维矩阵上的路径寻找问题。 状态定义:`dp[i][j]` 可能代表从起点到 `(i,j)` 这一点的最大/最小代价或其他属性。 转移方程:`dp[i][j] = min/max(dp[i-1][j], dp[i][j-1]) + grid[i][j]`[^3]。 **代码模板** ```python m, n = len(grid), len(grid[0]) dp = [[float('inf')] * n for _ in range(m)] dp[0][0] = grid[0][0] for i in range(m): for j in range(n): if i > 0: dp[i][j] = min(dp[i][j], dp[i-1][j] + grid[i][j]) if j > 0: dp[i][j] = min(dp[i][j], dp[i][j-1] + grid[i][j]) print(dp[m-1][n-1]) ``` --- #### 背包问题 背包问题是经典的划应用之一,主要分为以下几种: 1. **0-1 背包问题**: 每种物品最多选一次。 状态定义:`dp[i][v]` 表示从前 `i` 种物品中选出若干件放入容量为 `v` 的背包所能获得的最大价值。 转移方程:`dp[i][v] = max(dp[i-1][v], dp[i-1][v-w[i]] + val[i])`。 2. **完全背包问题**: 每种物品可无限次选择。 转移方程:`dp[v] = max(dp[v], dp[v-c[i]] + w[i])`,注意这里的循环方向是从低到高[^2]。 3. **多重背包问题**: 每种物品有限制数量的选择次数。 解决方法可以通过二进制拆分转化为 0-1 背包来处理。 **代码模板(0-1 背包)** ```python N, W = map(int, input().split()) weight = list(map(int, input().split())) value = list(map(int, input().split())) dp = [0] * (W + 1) for i in range(N): for j in range(W, weight[i]-1, -1): dp[j] = max(dp[j], dp[j-weight[i]] + value[i]) print(dp[W]) ``` --- #### 序列 DP 序列 DP 主要用于处理字符串匹配、最长公共子序列等问题。这类问题的核心是对两个序列进行逐位比较,并记录中间结果以便后续利用。 状态定义:`dp[i][j]` 表示第一个串的前 `i` 项第二个串的前 `j` 项之间的最优关系。 转移方程:如果当前字符相等,则继承上一步的结果加上贡献;如果不相等,则尝试跳过其中一个字符继续比较。 **代码模板(LCS 最长公共子序列)** ```python def lcs(s1, s2): m, n = len(s1), len(s2) dp = [[0]*(n+1) for _ in range(m+1)] for i in range(1, m+1): for j in range(1, n+1): if s1[i-1] == s2[j-1]: dp[i][j] = dp[i-1][j-1] + 1 else: dp[i][j] = max(dp[i-1][j], dp[i][j-1]) return dp[m][n] ``` --- #### 区间 DP 区间 DP 常见于石子合并类题目,特点是需要枚举区间的长度以及左端点位置来进行状态更新。 状态定义:`dp[l][r]` 表示 `[l,r]` 这一段内的最佳解法。 转移方程:对于每一个可能的分割点 `k`,分别考虑左边部分右边部分如何组合得到全局最优解。 **代码模板** ```python def stone_game(stones): N = len(stones) prefix_sum = [0] * (N+1) for i in range(N): prefix_sum[i+1] = prefix_sum[i] + stones[i] dp = [[0]*N for _ in range(N)] for length in range(2, N+1): # 枚举区间长度 for left in range(N-length+1): # 枚举左边界 right = left + length - 1 dp[left][right] = float('inf') for k in range(left, right): total = prefix_sum[right+1] - prefix_sum[left] dp[left][right] = min(dp[left][right], dp[left][k] + dp[k+1][right] + total) return dp[0][N-1] ``` ---
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