vijos 1243 生产产品 单调性优化动态规划

2024-04-03 21:48

本文主要是介绍vijos 1243 生产产品 单调性优化动态规划,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!

描述 Description

在经过一段时间的经营后,dd_engi的OI商店不满足于从别的供货商那里购买产品放上货架,而要开始自己生产产品了!产品的生产需要M个步骤,每一个步骤都可以在N台机器中的任何一台完成,但生产的步骤必须严格按顺序执行。由于这N台机器的性能不同,它们完成每一个步骤的所需时间也不同。机器i完成第j个步骤的时间为T[i,j]。把半成品从一台机器上搬到另一台机器上也需要一定的时间K。同时,为了保证安全和产品的质量,每台机器最多只能连续完成产品的L个步骤。也就是说,如果有一台机器连续完成了产品的L个步骤,下一个步骤就必须换一台机器来完成。现在,dd_engi的OI商店有史以来的第一个产品就要开始生产了,那么最短需要多长时间呢? 
某日Azuki.7对跃动说:这样的题目太简单,我们把题目的范围改一改 
对于菜鸟跃动来说,这是个很困难的问题,他希望你能帮他解决这个问题

 输入格式 Input Format

第一行有四个整数M, N, K, L 
下面的N行,每行有M个整数。第I+1行的第J个整数为T[I,J]。

输出格式 Output Format
输出只有一行,表示需要的最短时间。
样例输入 Sample Input

3 2 0 2
2 2 3
1 3 1


样例输出 Sample Output
4
时间限制 Time Limitation
1s
注释 Hint
对于50%的数据,N<=5,L<=4,M<=10000
对于100%的数据,N<=5, L<=50000,M<=100000

 

这道题是在看论文时看到的,于是到vijos那注册了一个账号来做做,谁知竟然做了一个下午,悲剧……

由于理论性的东西已经学过了,知道这是个dp+单调队列。可第一次编还是编了好久。

首先,很容易写出动态转移方程:f(i,j)=min( min( f(p,i) ) + sum(i,j) - sum(i,k) +val) ,i>k>i-l+1,m>p>0 && p!=i

由于m很小,小于6,所以,这个方程的主要优化在于寻找外层的min

而单调队列的方程为:f(x)= opt( cost[i] ) bound[x] <=i<x;

将动态转移方程化简得:f(i,j)=min( min( f(p,i) ) - sum(i,k) ) + sum(i,j)+val ,i>k>i-l+1,m>p>0 && p!=i

这样就可以用单调队列实现了。

 

View Code
  1 #include<stdio.h>
  2 #include<stdlib.h>
  3 #include<iostream>
  4 #include<string>
  5 #include<queue>
  6 #include<deque>
  7 #include<map>
  8 #include<cmath>
  9 #include<stack>
 10 #include<algorithm>
 11 #include<functional>
 12 using namespace std;
 13 const int N=6;
 14 const int L=50010;
 15 const int M=100010;
 16 typedef __int64 LL;
 17 struct TT{
 18     LL val;
 19     int num;
 20     TT(LL v,int n){val=v,num=n;};
 21 };
 22 deque<TT>que[N];
 23 LL sum[N][M];
 24 LL str[N][M];
 25 int l,n;
 26 LL kk;
 27 void init(){
 28     for(int i=0;i<n;i++){
 29         while(!que[i].empty()){
 30             que[i].pop_back();
 31         }
 32         que[i].push_back(TT(0,-1));
 33         str[i][0]=sum[i][0];
 34     }
 35 }
 36 void update(int k){
 37     int first=0,second=0,now;
 38     LL tmp;
 39     if(str[0][k]>str[1][k])first=1;
 40     else second=1;
 41     
 42     for(int i=2;i<n;i++){
 43         if(str[i][k]<=str[first][k]){
 44             second=first,first=i;
 45         }else{
 46             if(str[i][k]<str[second][k]){
 47                 second=i;
 48             }
 49         }
 50     }
 51 
 52     for(int i=0;i<n;i++){
 53         now=first;
 54         if(i==now){
 55             now=second;
 56         }
 57         tmp=str[now][k]-sum[i][k]+kk;
 58         while(!que[i].empty() &&que[i].front().num+l<=k)que[i].pop_front();
 59         while(!que[i].empty() && que[i].back().val>=tmp)que[i].pop_back();
 60         que[i].push_back(TT(tmp,k));
 61 
 62     }
 63     
 64 }
 65 int main()
 66 {
 67     int m,i,j;
 68     LL ans;
 69     while(~scanf("%d%d%d%d",&m,&n,&kk,&l)){
 70         for(i=0;i<n;i++){
 71             scanf("%I64d",&sum[i][0]);
 72             for(j=1;j<m;j++){
 73                 scanf("%I64d",&sum[i][j]);
 74                 sum[i][j]+=sum[i][j-1];
 75             }
 76         }
 77 
 78         
 79         if(n==1){
 80             printf("%I64d\n",sum[0][m-1]);
 81         }else{
 82             init();
 83     
 84             for(i=0;i<m;i++){
 85                 for(j=0;j<n;j++){
 86                     str[j][i]=que[j].front().val+sum[j][i];
 87                 }
 88                 update(i);
 89             }
 90             m--;
 91             ans=str[0][m];
 92             for(int i=1;i<n;i++){
 93                 if(ans>str[i][m])ans=str[i][m];
 94             }
 95             printf("%I64d\n",ans);
 96         }
 97     }
 98 
 99 
100     
101     return 0;
102 }
103 /*
104 3 2 2 1
105 1 2 3
106 1 2 3
107 */

 

 

 



 

这篇关于vijos 1243 生产产品 单调性优化动态规划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/874067

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始,按照书籍的划分,第10章开始就进入保护模式(Protected Mode)部分了,感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断(Interrupt)的设计,中断的几种方式:外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用: 为了更好的利用处理器的性能。协同快速和慢速设备一起工作

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同

poj 2976 分数规划二分贪心(部分对总体的贡献度) poj 3111

poj 2976: 题意: 在n场考试中,每场考试共有b题,答对的题目有a题。 允许去掉k场考试,求能达到的最高正确率是多少。 解析: 假设已知准确率为x,则每场考试对于准确率的贡献值为: a - b * x,将贡献值大的排序排在前面舍弃掉后k个。 然后二分x就行了。 代码: #include <iostream>#include <cstdio>#incl

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者