codeforces589B Layer Cake (动态规划)

首先,有一点可以很容易判断出,那就是短边一定和短边在一起,长边一定和长边在一起。

所以这里就不妨设a<=b

接下来将所有长方形按照a从大到小排序(因为长边一定不会对短边造成影响,以使得其满足无后效性)

设dp[i][j]表示最后一个放i,高度为j的最大宽度,则

dp[i][j] = min(b[i], max{dp[k][j-1]}),  k < i

事实上可以再增加一个额外的数组maxValue[j-1]来存储max{dp[k][j-1]}

这样的话,时间复杂度为O(n^2)

接下来,空间复杂度还可以进一步优化

dp[i][j] = min(b[i], maxValue[j-1])

也就是说k并没有什么用

于是便可以优化成

dp[j] = min(b[i], maxValue[j-1])

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <utility>
using namespace std;

typedef pair<long long, long long> pll;

const int MAXN = 4005;
pll p[MAXN];
long long dp[MAXN], maxValue[MAXN];

bool cmp(pll a, pll b)
{
	return a.first > b.first;
}

int main()
{
	int n; scanf("%d", &n);
	for (int i = 1; i <= n; i++)
	{
		scanf("%I64d%I64d", &p[i].first, &p[i].second);
		if (p[i].second < p[i].first) swap(p[i].first, p[i].second);
	}
	sort(p + 1, p + n + 1, cmp);

	//dp
	long long ans = 0, wid = 0, len = 0;
	memset(dp, 0, sizeof(dp));
	memset(maxValue, 0, sizeof(maxValue));
	for (int i = 1; i <= n; i++)
	for (int j = i; j > 0; j--)
	{
		if (maxValue[j-1]) dp[j] = min(maxValue[j-1], p[i].second);
		else dp[j] = p[i].second;
		maxValue[j] = max(maxValue[j], dp[j]);
		if (p[i].first * dp[j] * j >= ans)
		{
			ans = p[i].first * dp[j] * j;
			wid = dp[j];
			len = p[i].first;
		}
	}

	printf("%I64d\n%I64d %I64d\n", ans, wid, len);
	return 0;
}


### 关于Codeforces平台上的动态规划问题 在Codeforces这样的编程竞赛平台上,动态规划(Dynamic Programming, DP)是一类非常重要的算法技术。这类题目通常涉及优化子结构和重叠子问题两个特性。 #### 动态规划示例解析 考虑一个典型的DP问题,在给定条件下求解最优方案的数量或具体路径等问题。例如,在某些情况下,可能需要计算达到特定状态所需的最少步数或是最大收益等[^1]。 对于具体的例子而言,假设有一个序列`a[]`,目标是从左到右遍历此序列并决定是否选取当前元素加入集合中,最终目的是让所选元素之和尽可能大而不超过某个上限值M。这个问题可以通过定义二维数组dp[i][j]表示从前i个物品里挑选若干件放入容量为j的背包可以获得的最大价值来建模: - 如果不取第i项,则`dp[i][j]=dp[i−1][j]`; - 若选择第i项且其重量w不超过剩余空间j,则更新为`max(dp[i−1][j], dp[i−1][j-w]+v)`其中v代表该项的价值; 最后的结果保存在`dp[n][m]`处(n为总项目数量,m为目标体积)[^2]。 ```cpp #include <iostream> using namespace std; const int N = 1e3 + 5; int w[N]; // weights of items int v[N]; // values of items long long f[N][N]; void knapsack(int n, int m){ for (int i = 1; i <= n; ++i) { for (int j = 0; j <= m; ++j) { f[i][j] = f[i - 1][j]; if(j >= w[i]) f[i][j] = max(f[i][j],f[i - 1][j - w[i]] + v[i]); } } } ``` 上述代码展示了如何利用记忆化搜索的方式实现简单的0/1背包问题解决方案,这同样适用于其他形式更复杂的动态规划挑战。
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