HNOI2008玩具装箱Toy 斜率优化DP
2017-02-12 20:54
190 查看
题目描述
P教授要去看奥运,但是他舍不下他的玩具,于是他决定把所有的玩具运到北京。他使用自己的压缩器进行压缩,其可以将任意物品变成一堆,再放到一种特殊的一维容器中。P教授有编号为1…N的N件玩具,第i件玩具经过压缩后变成一维长度为Ci.为了方便整理,P教授要求在一个一维容器中的玩具编号是连续的。同时如果一个一维容器中有多个玩具,那么两件玩具之间要加入一个单位长度的填充物,形式地说如果将第i件玩具到第j个玩具放到一个容器中,那么容器的长度将为 x=j-i+Sigma(Ck) i<=K<=j 制作容器的费用与容器的长度有关,根据教授研究,如果容器长度为x,其制作费用为(X-L)^2.其中L是一个常量。P教授不关心容器的数目,他可以制作出任意长度的容器,甚至超过L。但他希望费用最小.
输入输出格式
输入格式:
第一行输入两个整数N,L.接下来N行输入Ci.1<=N<=50000,1<=L,Ci<=10^7
输出格式:
输出最小费用
分析:
1.观察到本题的阶段性,首先推出DP方程dp[i]=min{dp[j]+(i-j-1+sum[i]-sum[j]-L)^2},令f[i]=sum[i]+i,c=L+1,则 dp[i]=(min)dp[j]+(f[i]−f[j]−c)2
2.因为f[i]具有单调性,故考虑斜率优化DP
3.设决策点k < j 且j优于k则
dp[k]+f[i]
4000
2+f[k]2+c2−2∗f[i]∗f[k]−2c∗f[i]+2c∗f[k]>dp[j]+f[i]2+f[j]2+c2−2∗f[i]∗f[j]−2c∗f[i]+2c∗f[j]
最后得(dp[j]−dp[k]+f[j]2−f[k]2)(f[j]−f[k])<2(f[i]−c)①
4.令w[i]为2(f[i]-c),设S(j,k)=(dp[j]−dp[k]+f[j]2−f[k]2)(f[j]−f[k])
结论 1:对于 i 的两个决策点 k,j(k < j),如果有 S(j,k) < w[i],则决策 j比 k 优,反之,k 比 j 优。
结论 2:对于三个决策点 k,j,i(k < j < i),如果有 S(j,k) > S(i,j),则决策 j永远不会成为最优决策。
那么,我们可以用一个单调队列来维护决策,利用以上决策剔除无用决策
①对于队首,如果 S(q[L+1],q[L]) < w[i],说明 q[L+1]比 q[L]优,去掉q[L],一直到不满足条件为止。
②此时 q[L]就是当前点的最优决策,根据状态转移方程计算 F[i]的值。
③对于队尾,如果 S(q[R],q[R-1]) > S(i,q[R]),证明 q[R]永远不会成为最优决策,去掉 q[R],一直到不满足条件为止,然后将决策 i 入队。
^_^
P教授要去看奥运,但是他舍不下他的玩具,于是他决定把所有的玩具运到北京。他使用自己的压缩器进行压缩,其可以将任意物品变成一堆,再放到一种特殊的一维容器中。P教授有编号为1…N的N件玩具,第i件玩具经过压缩后变成一维长度为Ci.为了方便整理,P教授要求在一个一维容器中的玩具编号是连续的。同时如果一个一维容器中有多个玩具,那么两件玩具之间要加入一个单位长度的填充物,形式地说如果将第i件玩具到第j个玩具放到一个容器中,那么容器的长度将为 x=j-i+Sigma(Ck) i<=K<=j 制作容器的费用与容器的长度有关,根据教授研究,如果容器长度为x,其制作费用为(X-L)^2.其中L是一个常量。P教授不关心容器的数目,他可以制作出任意长度的容器,甚至超过L。但他希望费用最小.
输入输出格式
输入格式:
第一行输入两个整数N,L.接下来N行输入Ci.1<=N<=50000,1<=L,Ci<=10^7
输出格式:
输出最小费用
分析:
1.观察到本题的阶段性,首先推出DP方程dp[i]=min{dp[j]+(i-j-1+sum[i]-sum[j]-L)^2},令f[i]=sum[i]+i,c=L+1,则 dp[i]=(min)dp[j]+(f[i]−f[j]−c)2
2.因为f[i]具有单调性,故考虑斜率优化DP
3.设决策点k < j 且j优于k则
dp[k]+f[i]
4000
2+f[k]2+c2−2∗f[i]∗f[k]−2c∗f[i]+2c∗f[k]>dp[j]+f[i]2+f[j]2+c2−2∗f[i]∗f[j]−2c∗f[i]+2c∗f[j]
最后得(dp[j]−dp[k]+f[j]2−f[k]2)(f[j]−f[k])<2(f[i]−c)①
4.令w[i]为2(f[i]-c),设S(j,k)=(dp[j]−dp[k]+f[j]2−f[k]2)(f[j]−f[k])
结论 1:对于 i 的两个决策点 k,j(k < j),如果有 S(j,k) < w[i],则决策 j比 k 优,反之,k 比 j 优。
结论 2:对于三个决策点 k,j,i(k < j < i),如果有 S(j,k) > S(i,j),则决策 j永远不会成为最优决策。
那么,我们可以用一个单调队列来维护决策,利用以上决策剔除无用决策
①对于队首,如果 S(q[L+1],q[L]) < w[i],说明 q[L+1]比 q[L]优,去掉q[L],一直到不满足条件为止。
②此时 q[L]就是当前点的最优决策,根据状态转移方程计算 F[i]的值。
③对于队尾,如果 S(q[R],q[R-1]) > S(i,q[R]),证明 q[R]永远不会成为最优决策,去掉 q[R],一直到不满足条件为止,然后将决策 i 入队。
#include<cstdio> #include<algorithm> #include<cstring> #include<cmath> using namespace std; typedef long long LL; const int maxn=50010; LL c[maxn],f[maxn],sum[maxn]; LL dp[maxn]; int q[maxn*10]; int n,L; int t; double s(int x,int y){ return 1.0*(dp[x]-dp[y]+f[x]*f[x]-f[y]*f[y])/(f[x]-f[y]); } int main(){ scanf("%d%d",&n,&L);t=L+1; for(int i=1;i<=n;i++) scanf("%lld",&c[i]),sum[i]=sum[i-1]+c[i]; for(int i=1;i<=n;i++) f[i]=sum[i]+i; int l=0,r=0; for(int i=1;i<=n;i++){ while(l<r && s(q[l+1],q[l])<2.0*(f[i]-t)) l++; int j=q[l]; dp[i]=dp[j]+(f[i]-f[j]-t)*(f[i]-f[j]-t); while(l<r && s(q[r],q[r-1])>s(i,q[r])) r--; q[++r]=i; } printf("%lld",dp ); return 0; }
^_^
相关文章推荐
- 【bzoj1010】玩具装箱toy——斜率优化dp
- bzoj1010: [HNOI2008]玩具装箱toy 斜率优化DP
- BZOJ 1010 玩具装箱 toy (DP斜率优化)
- BZOJ 1010 [HNOI2008]玩具装箱toy (斜率优化DP)
- [bzoj1010] [HNOI2008]玩具装箱toy (斜率优化DP)
- bzoj1010[HNOI2008]玩具装箱toy 斜率优化dp
- [bzoj1010][HNOI2008] 玩具装箱toy DP斜率优化
- BZOJ 1010: [HNOI2008]玩具装箱toy(斜率优化dp)
- HNOI 2008 玩具装箱Toy 斜率优化DP
- 1010: [HNOI2008]玩具装箱toy DP+斜率优化+决策单调性
- 【bzoj1010】玩具装箱toy 斜率优化dp
- BZOJ 1010: [HNOI2008]玩具装箱toy 斜率优化DP
- BZOJ1010[HNOI2008]玩具装箱toy——斜率优化DP
- bzoj1010 toy玩具装箱 (斜率优化dp)
- BZOJ 1010: [HNOI2008]玩具装箱toy 斜率优化dp
- BZOJ1010: [HNOI2008]玩具装箱toy 斜率优化DP
- 【bzoj1010】[HNOI2008]玩具装箱toy 斜率优化DP
- bzoj 1010 [HNOI2008]玩具装箱toy(DP的斜率优化)
- 【斜率优化DP】BZOJ1010 [HNOI2008]玩具装箱toy
- 【BZOJ1010】【HNOI2008】玩具装箱toy(dp+斜率优化)