BZOJ1010: [HNOI2008]玩具装箱toy(斜率优化dp)

2024-04-16 01:58

本文主要是介绍BZOJ1010: [HNOI2008]玩具装箱toy(斜率优化dp),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!

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

Sample Input
5 4

3

4

2

1

4
Sample Output
1
HINT
Source

参考题解:https://blog.csdn.net/qq_38944163/article/details/91369545
思路:
d p [ i ] = m i n ( d p [ j ] + ( s u m [ i ] − s u m [ j ] + i − j − 1 − L ) 2 ) dp[i] = min(dp[j] + (sum[i] - sum[j] + i - j - 1 - L)^2) dp[i]=min(dp[j]+(sum[i]sum[j]+ij1L)2)
a [ i ] = s u m [ i ] + i ; b [ i ] = s u m [ i ] + i + L + 1 a[i] = sum[i] + i; b[i] = sum[i] + i + L + 1 a[i]=sum[i]+i;b[i]=sum[i]+i+L+1
x ( i ) = b [ i ] , y ( i ) = d p [ i ] + b [ i ] ∗ b [ i ] x(i) = b[i], y(i) = dp[i] + b[i] * b[i] x(i)=b[i],y(i)=dp[i]+b[i]b[i]

最后变形为
d p [ j ] + b [ j ] ∗ b [ j ] = 2 ∗ a [ i ] ∗ b [ j ] + d p [ i ] − a [ i ] ∗ a [ i ] . dp[j] + b[j] * b[j] = 2 * a[i] * b[j] + dp[i] - a[i] * a[i]. dp[j]+b[j]b[j]=2a[i]b[j]+dp[i]a[i]a[i].
也即 y ( j ) = 2 ∗ a [ i ] ∗ x ( j ) + d p [ i ] − a [ i ] ∗ a [ i ] 。 y(j) = 2*a[i] * x(j) + dp[i] - a[i] * a[i]。 y(j)=2a[i]x(j)+dp[i]a[i]a[i]
令斜率k等于 2 ∗ a [ i ] , 截 距 b = d p [ i ] − a [ i ] ∗ a [ i ] 。 2 * a[i], 截距b = dp[i] - a[i] * a[i]。 2a[i],b=dp[i]a[i]a[i]

目的是dp[i]最小,类似线性规划,你有一条直线,和一堆点(以前算过的j点),那么就是寻找一个j点使得截距最小。

这样就是用单调队列维护一个下凸包(U型),只有最外层对应下凸包的点才有意义,选这里面的点才能保证斜率最低。

队首两点斜率小于2 * a[i],那就去掉队首,因为直线肯定不会交到队首。剩下的那个点就是与直线相交的点

q[r]和q[r-1]的斜率大于q[i]和q[r]的斜率,意味着这里凹进去了,肯定选不到r这个点,出队尾。

维护下凸包的意义在于,截距尽可能小的候选点只在这之间。

需要注意的是:算斜率的时候要保证凸包里面至少两个点,且0点一开始就有。

#include <cstdio>
#include <cstring>using namespace std;typedef long long ll;
const int maxn = 5e4 + 7;
int q[maxn];
ll n,L;
ll sum[maxn],dp[maxn];double a(ll i){return sum[i] + i;}
double b(ll i){return sum[i] + i + L + 1;}
double x(ll i){return b(i);}
double y(ll i){return dp[i] + b(i) * b(i);}
double slope(ll i,ll j){return (y(i) - y(j)) / (x(i) - x(j));}void IN()
{scanf("%lld%lld",&n,&L);for(int i = 1;i <= n;i++)scanf("%lld",&sum[i]);for(int i = 1;i <= n;i++)sum[i] += sum[i - 1];
}void DP()
{int l = 1,r = 1;for(int i = 1;i <= n;i++){while(l < r && slope(q[l],q[l + 1]) < 2 * a(i))l++;int j = q[l];dp[i] = dp[j] + (a(i) - b(j)) * (a(i) - b(j));while(l < r && slope(q[r],q[r - 1]) > slope(i,q[r]))r--;q[++r] = i;}printf("%lld\n",dp[n]);
}int main()
{IN();DP();return 0;
}

这篇关于BZOJ1010: [HNOI2008]玩具装箱toy(斜率优化dp)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/907518

相关文章

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

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