HNOI 2008 玩具装箱TOY 斜率优化dp
2017-04-04 21:32
399 查看
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.
Input
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
Output
输出最小费用
思路:
设sum[i]表示C的前缀和,则很容易得到O(n2)的转移方程:
dp[i]=min{dp[j]+(sum[i]−sum[j]+i−j−1−L)2}
为了简化方程,设g[i]=sum[i]+i,c=L+1, 于是转移方程为:
dp[i]=min{dp[j]+(g[i]−g[j]−c)2}
考虑两种决策j<k,则k比j优,当且仅当:
dp[j]+(g[i]−g[j]−c)2>dp[k]+(<
12ff7
/span>g[i]−g[k]−c)2
g[i]>dp[k]−dp[j]+(g[k]−c)2+(g[j]−c)22(g[k]−g[j])
我们记 slope(j,k)=dp[k]−dp[j]+(g[k]−c)2+(g[j]−c)22(g[k]−g[j])为j到k的斜率,作为判断哪个决策更优的依据.
由于g[i]单增,如果当前k比j优,则之后也必有k比j优,即转移具有决策单调性.那我们就可以维护一个单调队列,其中记录了一些决策点,且相邻元素的的斜率单增.更新dp[i]时,只需判断队首的两个元素的斜率是否有s≥g[i],若是则说明第二个元素作为决策点更优,弹掉队首.然后直接取队首作为决策点更新dp[i],并将i作为决策点插入队尾,但要保持队列中的斜率单调性.
source:
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.
Input
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
Output
输出最小费用
思路:
设sum[i]表示C的前缀和,则很容易得到O(n2)的转移方程:
dp[i]=min{dp[j]+(sum[i]−sum[j]+i−j−1−L)2}
为了简化方程,设g[i]=sum[i]+i,c=L+1, 于是转移方程为:
dp[i]=min{dp[j]+(g[i]−g[j]−c)2}
考虑两种决策j<k,则k比j优,当且仅当:
dp[j]+(g[i]−g[j]−c)2>dp[k]+(<
12ff7
/span>g[i]−g[k]−c)2
g[i]>dp[k]−dp[j]+(g[k]−c)2+(g[j]−c)22(g[k]−g[j])
我们记 slope(j,k)=dp[k]−dp[j]+(g[k]−c)2+(g[j]−c)22(g[k]−g[j])为j到k的斜率,作为判断哪个决策更优的依据.
由于g[i]单增,如果当前k比j优,则之后也必有k比j优,即转移具有决策单调性.那我们就可以维护一个单调队列,其中记录了一些决策点,且相邻元素的的斜率单增.更新dp[i]时,只需判断队首的两个元素的斜率是否有s≥g[i],若是则说明第二个元素作为决策点更优,弹掉队首.然后直接取队首作为决策点更新dp[i],并将i作为决策点插入队尾,但要保持队列中的斜率单调性.
source:
#include <cstdio> #include <algorithm> #include <cstring> #include <cmath> #define For(i, j, k) for(int i = j; i <= k; i++) #define Forr(i, j, k) for(int i = j; i >= k; i--) const int N = 50010; typedef long long LL; LL sum , g , dp , c; int n, que ; inline LL sqr(LL x){ return x * x; } inline LL cx(int l, int r){ return 2 * (g[r] - g[l]); } inline LL cy(int l, int r){ return dp[r] - dp[l] + sqr(g[r] + c) - sqr(g[l] + c); } int main(){ scanf("%d%lld", &n, &c), ++c; For(i, 1, n){ scanf("%lld", &sum[i]); sum[i] += sum[i - 1], g[i] = sum[i] + i; } int fst = 1, lst = 1; que[1] = 0; For(i, 1, n){ while(fst < lst && g[i] * cx(que[fst], que[fst + 1]) >= cy(que[fst], que[fst + 1])) ++fst; int x = que[fst]; dp[i] = dp[x] + sqr(g[i] - g[x] - c); while(fst < lst && cy(que[lst - 1], que[lst]) * cx(que[lst], i) >= cy(que[lst], i) * cx(que[lst - 1], que[lst])) --lst; que[++lst] = i; } printf("%lld\n", dp ); return 0; }
相关文章推荐
- BZOJ1010: [HNOI2008]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)
- BZOJ 1010: [HNOI2008]玩具装箱toy [DP 斜率优化]
- BZOJ1010[HNOI2008]玩具装箱toy——斜率优化DP
- BZOJ 1010: [HNOI2008]玩具装箱toy(dp+斜率优化)
- [HNOI2008]玩具装箱toy(dp+斜率优化)
- 【BZOJ】1010: [HNOI2008]玩具装箱toy(dp+斜率优化)
- _bzoj1010 [HNOI2008]玩具装箱toy【斜率优化dp】
- BZOJ 1010 [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)
- 【DP+斜率优化】[HNOI2008][HYSBZ/BZOJ1010]玩具装箱toy
- BZOJ-1010 [HNOI2008]玩具装箱toy (DP斜率优化)
- BZOJ 1010: [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)
- 【bzoj 1010】[HNOI2008] 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)
- BZOJ_P1010 [HNOI2008]玩具装箱toy(斜率优化DP)
- BZOJ 1010: [HNOI2008]玩具装箱toy(DP+斜率优化)