NOI Newnode模拟题 第二题 DP 单调性优化 三分法

2023-10-05 13:59

本文主要是介绍NOI Newnode模拟题 第二题 DP 单调性优化 三分法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第二题

【问题描述】

小火车虽然很穷,但是他还是得送礼物给妹子,所以他前往了二次元寻找不需要钱的礼物。小火车准备玩玩二次元的游戏,游戏当然是在一个二维网格中展开的,网格大小是n*m的,某些格子是好的,其余的则是不好的。每次你可以选择最底层(也就是第n层)的某两个相邻的列,并消掉最底下的至多三个格子,并且这两列都得有格子被消掉(也就是L型或者反着的L型),消掉格子以后上面的格子会掉落下来。当然最上面的空位会用不好的格子填满。小火车想得到所有的好格子送给妹子,请问至少得消多少次呢?

【输入格式】

第一行两个整数n,m,表示网格大小。接下来n行每行一个长度为m的字符串,表示这个网格,如果为*则是好格子,为#就不是。

【输出格式】

一行一个整数表示答案。

【数据范围与约定】

对于20%的数据n,m<=5;
对于50%的数据满足n,m<=500;
对于100%的数据满足2<=n,m<=2000。


首先容易想到把原题目转化为:用两种L把每一列的最上面的*消掉,求至少消多少次。

进一步转化:
把每一列最上面的*的位置写成一个数列 A[i] A [ i ] ,每次操作可以使得数列里相邻的两个数其中一个减去1,另一个减去2.求把这个数列中全部数字变为非正数的最小操作数。

结合数据范围,不难想到采用DP的方式解决。

由于每一个元素的消去,只与在自己和左右两边相邻的元素上进行的操作有关,那么定义 f[i][j] f [ i ] [ j ] 为已经将 i1 i − 1 及以前的所有数字变为非正数,且第 i i 列目前的数字是j的最小操作数。那么目前只需要考虑在消去 i i 位上的数字时对第i+1位的影响就可以转移了。

预处理一个数组 g[i][j] g [ i ] [ j ] ,表示把两个数字 i,j i , j 消去的最小操作数。那么有:

f[i+1][j]=min{f[i][k]+g[A[i+1]j][k]} f [ i + 1 ] [ j ] = m i n { f [ i ] [ k ] + g [ A [ i + 1 ] − j ] [ k ] }

其中 g[i][j] g [ i ] [ j ] 可以 O(n2) O ( n 2 ) 预处理:
g[i][j]=min{g[i2][j1],g[i1][j2],g[i1][j1]}+1 g [ i ] [ j ] = m i n { g [ i − 2 ] [ j − 1 ] , g [ i − 1 ] [ j − 2 ] , g [ i − 1 ] [ j − 1 ] } + 1

然后发现弄出 f f 的时间复杂度是O(n3)的,考虑优化这个DP。

考虑 f,g f , g 各有什么性质。对于 g g ,根据其含义,显然有:

g[i][j+1]g[i][j]

对于 f f ,有:
f[i][j]f[i][j+1]

也比较显然,剩得越多,消的次数肯定不会更多嘛。

回过头来看DP方程:

f[i+1][j]=min{f[i][k]+g[A[i+1]j][k]} f [ i + 1 ] [ j ] = m i n { f [ i ] [ k ] + g [ A [ i + 1 ] − j ] [ k ] }

枚举 i,j i , j 显然是无法优化的,要优化就要考虑优化枚举 k k .根据上面的分析,注意到在k不断增大的过程中, f[i][k] f [ i ] [ k ] 单调不升,而 g[A[i+1]j][k] g [ A [ i + 1 ] − j ] [ k ] 单调不减,那么 f[i][k]+g[A[i+1]j][k] f [ i ] [ k ] + g [ A [ i + 1 ] − j ] [ k ] 就是一个关于 k k 的单峰函数!单峰函数的极值可以用三分法处理。

整数的三分好像不是很好……我采用的是在rl小于一定值之后暴力更新答案。采用三分法的话,这个值给得小就会错。

有不用三分的优秀做法:http://blog.csdn.net/Mogician_Evian/article/details/79474362


代码写得比较丑。

#include<stdio.h>
#include<cstring>
#include<algorithm>
#define MAXN 2005
using namespace std;int N,M,A[MAXN],f[MAXN][MAXN],g[MAXN][MAXN];
char Map[MAXN][MAXN];int main(){int i,j,k,l,r,lmid,rmid,t,id;scanf("%d%d",&N,&M);for(i=1;i<=N;i++)scanf("%s",&Map[i][1]);for(i=1;i<=M;i++){for(j=1;j<=N;j++)if(Map[j][i]=='*'){A[i]=N-j+1;break;}}memset(g,60,sizeof(g));memset(f,60,sizeof(f));g[0][0]=0;for(i=1;i<=N;i++)g[i][0]=g[0][i]=(i+1)/2;for(i=1;i<=N;i++)for(j=1;j<=N;j++){if(i>1)g[i][j]=min(g[i][j],g[i-2][j-1]+1);if(j>1)g[i][j]=min(g[i][j],g[i-1][j-2]+1);g[i][j]=min(g[i][j],g[i-1][j-1]+1);}f[1][A[1]]=0;for(i=1;i<=M;i++){if(i==1){for(j=0;j<=A[i+1];j++)for(k=0;k<=A[i];k++)f[i+1][j]=min(f[i+1][j],f[i][k]+g[A[i+1]-j][k]);continue;}for(j=0;j<=A[i+1];j++){l=0;r=A[i];while(l<=r){if(r-l<=25){for(k=l;k<=r;k++)f[i+1][j]=min(f[i+1][j],f[i][k]+g[A[i+1]-j][k]);break;}lmid=(r-l)/3+l;rmid=(r-l)/3+lmid;if(f[i][lmid]+g[A[i+1]-j][lmid]<f[i][rmid]+g[A[i+1]-j][rmid])r=rmid;else if(f[i][lmid]+g[A[i+1]-j][lmid]>f[i][rmid]+g[A[i+1]-j][rmid])l=lmid;else l=lmid,r=rmid;}}}printf("%d\n",f[M+1][0]);
}

这篇关于NOI Newnode模拟题 第二题 DP 单调性优化 三分法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/151328

相关文章

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、