洛谷P3195 [HNOI2008]玩具装箱TOY 斜率优化

本文介绍了一种使用斜率优化减少动态规划复杂度的方法,通过具体实例解析如何将时间复杂度从O(n^2)降低到更高效的级别。适用于解决特定类型的最优化问题。

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

复习一下斜率优化:
令 $f_{i}$ 表示从 1 考虑到 $i$ 的最优结果.
得 $f_{i}=min${ $f_{j}+(sum_{i}-sum_{j}+i-j-1-L)^{2}$}
如果直接枚举,是 $O(n^{2})$ 的,太慢了!!!
考虑斜率优化:
令 $k<j$,考虑什么时候 $j$ 比 $k$ 优:
$fj​+(sumi​−sumj​+i−j−1−L)^{2}<fk​+(sumi​−sumk​+i−k−1−L)^{2}$
令 $a_{i}=sum_{i}+i$ ,$b_{i}=sum_{i}+i+1+L$ (为了简化计算)
得: $f_{j}+(a_{i}-b_{j})^{2}<f_{k}+(a_{i}-b_{k})^{2}$
化简一下,得:$\frac{f_{j}+b_{j}^{2}-(f_{k}+b_{k}^{2})}{b_{j}-b_{k}}<2\times a_{i}$
令 $g[x]=f_{x}+b_{x}^{2}$
上面式子为 $\frac{g_{j}-g_{k}}{b_{j}-b{k}}$,看上去是不是很熟悉 ?
这不就是一次函数斜率得形式嘛......
可以把 $j,k$ 都看作二维平面上的点 $(b_{j},g_{j})$ 与 $(b_{k},g_{k})$
那么, $j$ 的答案优于 $k$ 是在二者得斜率小于 $2\times a_{i}$ 的情况下成立的.
所以说,我们要求的 $j$ 就是编号最大的与前一个点的斜率小于 $2a_{i}$ 的值. 
手画一下,发现这道题中我们要维护的其实就是一个下凸包.
根据我们每一次的斜率 $2\times a_{i}$,不难发现这个东西是单调递增的,所以当我们找到答案 $tmp$ 时,$tmp$ 前的所有点就都变成无用点,直接弹掉即可.
而每一次新加入一个点,就顺便维护凸包的形状,将不合法的点从队尾弹出即可.     
#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn = 100000 + 123;
long long s[maxn], f[maxn];
int l, n, q[maxn];
inline long long  re_x(int i){ return s[i]; }
inline long long  re_y(int i){ return f[i] + (s[i] + l) * (s[i] + l); }
inline double get_slope(int i,int j){return (double)(re_y(i) - re_y(j)) / (re_x(i) - re_x(j)); }
int main()
{
    scanf("%d%d",&n,&l);
    for(int i = 1;i <= n; ++i) scanf("%lld",&s[i]), s[i] += s[i-1];
    for(int i = 1;i <= n; ++i) s[i] += i;
    int head = 0, tail = 0;
    for(int i = 1;i <= n; ++i)
    {
        while(head < tail && get_slope(q[head], q[head + 1]) < 2 * s[i] ) ++ head;
        f[i] = f[q[head]] + (s[i] - s[q[head]] - 1 - l) * (s[i] - s[q[head]] - 1 - l);
        while(tail > head && get_slope(q[tail], i) < get_slope(i, q[tail - 1])) --tail;
        q[++tail] = i;
    }
    printf("%lld",f[n]);
    return 0;
}

  

转载于:https://www.cnblogs.com/guangheli/p/9845169.html

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