『玩具装箱TOY 斜率优化DP』
玩具装箱TOY(HNOI2008)
Description
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 \(C_i\) .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 \(x=j-i+\sum_{k=i}^jC_k\) 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.
Input Format
第一行输入两个整数\(N\),\(L\).接下来N行输入\(C_i\).\(1<=N<=50000,1<=L,C_i<=10^7\)
Output Format
输出最小费用
Sample Input
5 4
3
4
2
1
4
Sample Output
1
解析
简单分析题目大意:给定一个数列,可以将其分为若干个连续的子段,将区间\([i,j]\)分为一段的花费为\((j-i+\sum_{k=i}^jC_k-L)^2\),求最小划分总花费。
由于没有需要划分多少段的限制,可以直接简单地设置状态:f[i]代表完成了前i个数的划分的最小花费和。
区间的花费是利用前缀和可以O(1)求解的,那么状态转移方程就是\[f_i=min\{f_j+(i-(j+1)+sum_i-sum_j-L)^2\}\]
暴力思路:\(O(n^2)\)枚举\(i,j\)求解。
但是\(50000\)的数据\(O(n^2)\)肯定不行啊,我们考虑优化这个dp。
先化简括号内花费内容:
\[ (i-(j+1)+sum_i-sum_j-L)^2 \\=(i-j-1+sum_i-sum_j-L)^2 \\=((i+sum_i)+(-L-1-j-sum_j))^2 \\设a_k=(k+sum_k),b_k=(a_k+L+1) \\=(a_i-b_j)^2 \]
代回原式:
\[ f_i=min\{f_j+(a_i-b_j)^2\} \]
假设我们已经找到了最优的\(f_j\),那么:
\[ f_i=f_j+(a_i-b_j)^2 \\⇒f_i=f_j+a_i^2-2a_ib_j+b_j^2 \\⇒f_j+b_j^2=2a_ib_j+(f_i-a_i^2) \]
(将只与i有关的项和只与j有关的项分别整理)
这个时候我们发现式子中有一项是即和\(i\)有关有和\(j\)有关的,然后就可以做一些神奇的优化了。
我们视\(f_j+b_j^2\)为\(y\),\(b_j\)为\(x\),\(2a_i\)为\(k\),\((f_i+a_i^2)\)为\(b\),那么我们就可以把它当做一个一次函数的的表达式\(y=kx+b\)。而且这个一次函数需满足:
1.过定点\((b_j,f_j+b_j^2)\),由于这个点只和\(j\)有关,称其为\(P_j\)
2.其斜率为\(2a_i\)
这时候,我们需要重新定义\(f_i\)的含义:满足两个要求的一次函数的截距\((b)\)加上\(a_i^2\)。
由于\(a_i^2\)的值是确定的,我们需要求最小的\(f_i\),即求做小的一次函数的截距。
我们将满足斜率为\(2a_i\)的直线以及点\(P_1,P_2,...,P_j\)描述在图中:
直线自下向上移动,只要它过任何一个点\(P\),它就成为了符合要求的直线。
我们要求截距最小,显然,当它自下向上移动过的第一个点\(P_j\)时,截距最小。如图,此时能取得截距最小的点是\(P_2\)。那么由上可知,\(j=2\)时,一次函数的截距最小,更新得到的\(f_i\)也是最小的。
所以,我们的目标就转变为了找到一次函数能够第一个“碰到”的点。
观察上图,我们将最有可能与直线先“碰到”的点(最外围的点)两两相连,发现:它们近似的构成了一个下凸壳的形状,两两相连的线段所在的直线的斜率依次递增。
此时我们发现了一个很好的性质,我们的目标直线第一个过的点最优点\(P_j\)满足:\(P_j,P_{j+1}\)所在直线是斜率大于目标直线斜率的第一条直线。(\(P_2,P_3\)构成的直线的斜率大于图中直线的斜率,但\(P_1,P_2\)构成的直线的斜率小于图中直线的斜率,所以\(P_2\)为最优点)
那么这就成为了我们的突破口了:由于构成下凸壳直线满足斜率单调递增,我们用单调队列维护这些\(P\)点。由于随着i的增加,\(a_i\)也是单调递增的,这就应和了单调队列的操作。
对于每一个\(i\),我们让斜率小于\(2a_i\)的单调队列中的直线所对应的点出队(它小于当前的\(2a_i\),由于\(a_i\)单调递增,它也一定小于以后的\(2a_i\),所以这些点将会是一直无用的,可以直接出队),直到找到第一条斜率大于\(2a_i\)的直线,此时,队头的点的编号j即为最优决策。我们直接利用该决策转移。
完成转移以后,新的点\(P_i\)也需要加入队列里,此时,我们还要维护一个操作:
当\(P_i\)(图中的\(P_7\))加入后,我们发现,原来的\(P_4,P_3\)构成的直线的斜率大于\(P_3\)和新的\(P_4\)构成的斜率,这样,\(P_4\)就到了内部,新的下凸壳由\(P_1,P_2,P_3,P_7\)构成,我们需要让\(P_4\)出队。
即当\(slope(q[tail],q[tail-1])>slope(q[tail-1],i)\)(\(slope\)代表斜率函数)时,队尾出队。
事实上,我们在不断维护一个下凸壳的形状,由于单调队列一共会进出至多N个点,所以,这样实现转移的时间复杂度是\(O(n)\)的,我们将此种优化方法称为斜率优化。
\(Code:\)
#include<bits/stdc++.h>
using namespace std;
const int N=50000+80;
long long f[N],q[N],sum[N],toy[N],n,L,head,tail;
inline long long a(long long k){return sum[k]+k;}
inline long long b(long long k){return a(k)+L+1;}
inline long long x(long long k){return b(k);}
inline long long y(long long k){return f[k]+b(k)*b(k);}
inline double slope(long long p,long long q){return ((y(p)-y(q))*1.0)/((x(p)-x(q))*1.0);}
int main(void)
{freopen("toy.in","r",stdin);freopen("toy.out","w",stdout);scanf("%lld%lld",&n,&L);for(int i=1;i<=n;i++){scanf("%lld",&toy[i]);sum[i]=sum[i-1]+toy[i];}for(int i=1;i<=n;i++){while(head<tail&&slope(q[head],q[head+1])<2*a(i))head++;f[i]=f[q[head]]+(a(i)-b(q[head]))*(a(i)-b(q[head]));while(head<tail&&slope(q[tail],q[tail-1])>slope(q[tail-1],i))tail--;q[++tail]=i;}printf("%lld\n",f[n]);
}
转载于:https://www.cnblogs.com/Parsnip/p/10323508.html
『玩具装箱TOY 斜率优化DP』相关推荐
- bzoj1010[HNOI2008]玩具装箱toy 斜率优化dp
1010: [HNOI2008]玩具装箱toy Time Limit: 1 Sec Memory Limit: 162 MB Submit: 11893 Solved: 5061 [Submit] ...
- BZOJ 1010: [HNOI2008]玩具装箱toy 斜率优化dp
Description 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... ...
- 【bzoj1010】玩具装箱toy——斜率优化dp
题目链接 第一道自己推的斜率优化dp>< 首先要明确一点:装进同一个容器的toys一定要是连着的几个(否则的话可以直接贪心)-->之前理解错题意WA了一次...... 用sum[i] ...
- BZOJ1010:[HNOI2008]玩具装箱TOY(斜率优化DP)
Description 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.. ...
- 洛谷P3195 [HNOI2008]玩具装箱TOY——斜率优化DP
题目:https://www.luogu.org/problemnew/show/P3195 第一次用斜率优化...其实还是有点云里雾里的: 网上的题解都很详细,我的理解就是通过把式子变形,假定一个最 ...
- YBTOJ洛谷P3195:玩具装箱(斜率优化dp)
传送门 文章目录 前言 解析 代码 前言 斜率优化dp,就是利用斜率优化的dp (逃) 解析 第一道斜优的题 分析题目 设sumisum_isumi为1-i的c的前缀和 容易写出dp转移式: dpi ...
- 【BZOJ1010】【codevs1319】玩具装箱,斜率优化DP
传送门1 传送门2 写在前面:好像double要比long long快? 思路:想拿来练手的斜率优化DP,却忘记了一些基本原则,好坑 基本的DP转移 f[i]=min(f[j]+(sum[i]−sum ...
- [Bzoj1010][HNOI2008]玩具装箱toy(斜率优化)
题目链接:https://www.lydsy.com/JudgeOnline/problem.php?id=1010 首先预处理前缀和sum[i],然后推出初始的dp方程,dp[i]表示装前i件物品的 ...
- P3195-[HNOI2008]玩具装箱【斜率优化dp】
正题 题目链接:https://www.luogu.com.cn/problem/P3195 题目大意 nnn个物品,分成若干段,每一段的长度为j−i+∑i=lrCkj-i+\sum_{i=l}^rC ...
最新文章
- Gym 101606 F-Flipping Coins(概率dp)
- 常考数据结构与算法:合并k个已排序的链表
- 我眼中的 NCC,WTM 寻亲之旅
- asp.net中大文件下载
- 华为云数据库内核专家为您揭秘:GaussDB(for MySQL)并行查询有多快?
- (转)Java 调用 C++ (Java 调用 dll)
- 八种常用的排序算法(转)
- 修改文件类型图标得方式
- 使用python暴力破解压缩包密码winrar解压密码破解源代码
- 如何画五子棋棋盘c语言easyx,大佬们,用c++怎么画五子棋棋盘呢?
- 使用MATLAB调用ANSYS过程中,使用如下命令 !D:\Program Files\ANSYS Inc\v150\ansys\bin\winx64\ANSYS150 -b -p ane3f
- 【Excel】选择性粘贴
- phpstorm破解后,运行一段时间后突然有提示没有破解.
- 我用 Python 爬了点你们喜欢的电影,这些电影真的很不错
- 从今天开始学习python和英语
- Java之工厂设计模式
- 深度学习多线程部署—学习笔记
- 【Matlab】M文件编写PID调节传递函数
- 用Tensorflow实现AlexNet识别猫狗数据集(猫狗大战)【附代码】
- 如何关联模型与显示编号
热门文章
- 《MongoDB管理与开发精要》——1.4节本章小结
- SharePoint 2013 表单认证使用ASP.Net配置工具添加用户
- HTTP API 设计指南(基础部分)
- springMVC3学习(二)--ModelAndView对象
- 谈C/C++指针精髓
- java 原子量_Java線程:新特征-原子量
- 03系统多界面_【part two】操作说明——系统管理、公司管理、客户管理
- echart横轴文字显示省略号_echarts X轴显示不全 有省略
- 页面分享怎么知道通过哪条链接进来的_如何制作微信图文链接
- 研究人员使用宽场脑成像技术研究意图控制,探索更好的脑机接口使用方式