【动态规划dp】青蛙的烦恼(frog)

本文介绍了一种使用动态规划解决青蛙遍历荷叶问题的方法,该问题要求青蛙通过最短路径遍历所有荷叶。文章详细解释了如何通过降低枚举复杂度并确定决策方案来简化问题,最终给出了实现代码。

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

青蛙的烦恼(frog)
【题目描述】
池塘中有 n 片荷叶恰好围成了一个凸多边形,有一只小青蛙恰好站在 1 号荷叶上,小青蛙想通过
最短的路程遍历所有的荷叶(经过一个荷叶一次且仅一次),小青蛙可以从一片荷叶上跳到另外任意一
片荷叶上。
【输入格式】
第一行为整数 n,荷叶的数量。
接下来 n 行,每行两个实数,为 n 个多边形的顶点坐标,按照顺时针方向给出。保证不会爆 double。
【输出格式】
遍历所有荷叶最短路程,请保留 3 位小数。
【输入样例】
4
50.0 1.0
5.0 1.0
0.0 0.0
45.0 0.0
【输出样例】
50.211
【数据范围】
对于所有数据,0< n<=720

—————————————————分割の线——————————————————

又是一道优秀的dp题,但貌似无从下手。
其实是两件事情。
其一、数学思想
降低枚举复杂度,确定决策方案(dp方程)的唯一核心。证明如下:
性质:青蛙遍历的路径不会相交。

这里写图片描述

上图中图2的路径比图1要短。
证明:图1: D1=d(1,3)+d(2,3)+d(2,4)
图2: D2=d(1,2)+d(2,3)+d(3,4)
要证明D1>D2,只要证明d(1,3) +d(2,4)>d(1,2)+d(3,4)
连接两边,见图3,由三角形的三边关系定理即可证明。
由此可得,在1号结点的青蛙只能跳到2号结点和n号结点。

如果青蛙跳到了2号结点,则问题转化为:从2出发,遍历2..n一次仅一次的最短距离。
如果青蛙跳到了n号结点,则问题转化为:从n出发,遍历2..n一次仅一次的最短距离。
这实际上是递归的思维,把问题转化为了本质相同但规模更小的子问题,如下图。

这里写图片描述

定义:F(i,j,0)表示还有i~j号点没访问,且青蛙停在i的最小值
F(i,j,1)表示还有i~j号点没访问,且青蛙停在j的最小值

贴一下dp的转移方程:
这里写图片描述
状态总数为n2,状态转移的复杂度为O(1),总的时间复杂度为O(n2)。


其二、有效的转移方法
直接地dp未尝不可,但我个人认为既然是利用了递归的思想,那记忆化搜索的编写应当更方便一些。
定义如下:
dfs(i,j,bl),表示访问i~j号点,且停在i或j位时的最小值(bl==0时,停在i,bl==1时,停在j)
如果未进行过上述的状态转移,就进行一次计算,并把计算结果保存在f(i,j,k)的数组中。
如果i和j为同一点,则返回0


代码如下:

#include<cmath>
#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
struct node
{
    double x,y;
}a[2000];
int n;
double f[1000][1000][2],dist[1000][1000];

double dis(int x,int y){
    return sqrt((a[x].x-a[y].x)*(a[x].x-a[y].x)+(a[x].y-a[y].y)*(a[x].y-a[y].y));
}
void Init(){
    freopen("frog.in","r",stdin);
    freopen("frog.out","w",stdout);
    cin>>n;
    for(int i=1;i<=n;i++)
        scanf("%lf%lf",&a[i].x,&a[i].y);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=n;j++)
            for(int k=0;k<=1;k++)
                f[i][j][k]=-1;
    for(int i=1;i<=n;i++)
        for(int j=i;j<=n;j++)
            dist[i][j]=dist[j][i]=dis(i,j);
}
double dfs(int i,int j,int bl)
{
    if(i==j) return 0.0;
    if(f[i][j][bl]==-1)
    {
        if(bl)//1
        {
            f[i][j][bl]=min(dfs(i,j-1,1)+dist[j][j-1],dfs(i,j-1,0)+dist[i][j]);
        }
        else//0
        {
            f[i][j][bl]=min(dfs(i+1,j,0)+dist[i][i+1],dfs(i+1,j,1)+dist[i][j]);
        }
    }
    return f[i][j][bl];
}
int main()
{
    Init();
    printf("%.3lf",dfs(1,n,0));
    return 0;
}
### 蓝桥杯竞赛中青蛙跳台阶问的解法 #### 问描述 青蛙跳台阶问经典的递归与动态规划之一。假设一只青蛙一次可以跳上1级或2级台阶,计算它跳上`n`级台阶共有多少种方法。 --- #### 解思路分析 此问的核心在于找到状态转移方程并利用递归或动态规划实现解决方案: 1. **递归关系推导** 假设到达第`n`级台阶的方法总数为`f(n)`,则可以通过以下两种情况得到: - 如果最后一次跳跃是1步,则剩余的是`f(n-1)`; - 如果最后一次跳跃是2步,则剩余的是`f(n-2)`。 因此,状态转移方程可表示为: \[ f(n) = f(n-1) + f(n-2), \quad n \geq 2, \text{其中 } f(0)=1, f(1)=1. \][^5] 2. **递归解法** 使用递归来解决该问是一种直观的方式,但由于存在大量重复计算,时间复杂度较高(指数级别)。以下是基于上述公式的递归代码实现: ```python def frog_jump_recursive(n): if n == 0 or n == 1: return 1 return frog_jump_recursive(n - 1) + frog_jump_recursive(n - 2) ``` 3. **动态规划优化** 动态规划通过存储中间结果来避免重复计算,从而显著降低时间复杂度至线性级别\(O(n)\),空间复杂度同样为\(O(n)\)。具体实现如下: ```python def frog_jump_dp(n): if n == 0 or n == 1: return 1 dp = [0] * (n + 1) dp[0], dp[1] = 1, 1 for i in range(2, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] ``` 4. **进一步优化的空间效率** 可以观察到,在动态规划过程中仅需保存最近两个状态即可完成当前状态的更新,因此可通过滚动数组将空间复杂度降至常量级别\(O(1)\): ```python def frog_jump_optimized(n): if n == 0 or n == 1: return 1 prev1, prev2 = 1, 1 for _ in range(2, n + 1): current = prev1 + prev2 prev2 = prev1 prev1 = current return prev1 ``` --- #### 总结 对于蓝桥杯中的此类目,推荐优先采用动态规划或其优化版本进行求解,因为它们的时间和空间性能更优。而递归虽然易于理解,但在大规模输入情况下可能会因栈溢出或超时而导致失败[^2]。 ---
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