摩天楼 DP优化

2024-05-07 08:38
文章标签 dp 优化 摩天楼

本文主要是介绍摩天楼 DP优化,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!

有N(≤1300)栋摩天楼,从左往右排成一行。第i栋的高度是i个单位,并且每栋摩天楼都有颜色(有些摩天楼的颜色相同),将这些摩天楼排列,有多少种排列的方法,使得从左往右看去,看到不多不少刚好L栋摩天楼,答案mod 1000000009。

这里定义一下“看到”,首先若某栋摩天楼左边有比它高的,那就看不到。如果从左往右依次连续看到的两栋(或以上)摩天楼颜色相同,会误认为是一栋。

由于这个关系到次序问题,所以DP的顺序可以按照从大到小的顺序来,这里只需要把读入的顺序倒过来(读入是从小到大,下面的描述第i栋的高度是n - i + 1)。

记f(j,i)为能够看到j栋摩天楼,并且放置了前i栋摩天楼后,第一栋看到的楼就是第i栋楼。求出f(j,i)需要枚举前一栋看到的楼是什么,假设看到的是k这栋楼:

如果k和i的颜色是一样的,那么会误当成一栋,同时k + 1至i - 1这些楼需要放在k的后面,因为它们都比k矮,那么前一栋看到的就不是k了,那么,k + 1至i - 1这些楼放置的方案数为(假设下标为1),k * (k + 1) * (k + 2) * … * (k + i - 2),若k + 2 等于 i,那么就什么都不用乘,因为i,k之间没有其他楼:f(j,i) += f(j,k) * k * (k + 1) * (k + 2) * … * (k + i - 2);

如果颜色不一样,那么就能多看到一栋楼:f(j,i) += f(j - 1,k) * k * (k + 1) * (k + 2) * … * (k + i - 2)。

时间复杂度:首先n^2种状态,转移O(n),总为O(n^3)。

我们需要再优化一下转移,可以画个表格来寻找方法:



摩天楼1,3,6是同一种颜色,而1,3,5,6中没有一个的颜色和摩天楼7相同,它们的颜色也不一定相同。现在若需要求f(3,7)(蓝色部分),它的值等于:

f(3, 7) = 

+ f(2, 1) * 1 * 2 * 3 * 4 * 5

+ f(3, 2) * 2 * 3 * 4 * 5

f(2, 3) * 3 * 4 * 5

f(3, 4) * 4 * 5

f(2, 5) * 5

+ f(2, 6)

把它分成黄色,绿色,蓝色三个部分求解。

再来看看它前一个同种颜色的摩天楼(第4栋):

f(3, 4) =

+ f(2, 1) * 1 * 2 * 3

+ f(3, 2) * 2 * 3

f(2, 3) * 3  

看到没有,f(3, 7)划线部分的值和f(3, 4)是一样的。并且加粗部分是划线部分的4 * 5倍,黄色部分的值就求出来了!至于i * (i + 1)* … * j,可以预处理。然后,f(3, 4) * 4 * 5可以单独算(绿色部分)。接着,就剩下f(2, 5) * 5 + f(2, 6)。既然第4栋摩天楼是前一个和7同颜色的,那么,4 + 1至7 - 1的楼都不和7相同颜色,这就可以用类似于部分和的东西。 

由于公式编辑麻烦,这里就不贴了,找找规律就知道了。

那么g(2, 6) = 

+ f(2, 1) * 1 * 2 * 3 * 4 * 5

+ f(2, 2) * 2 * 3 * 4 * 5

f(2, 3) * 3 * 4 * 5

f(2, 4) * 4 * 5

f(2, 5) * 5

+ f(2, 6)

g(2, 4) = 

+ f(2, 1) * 1 * 2 * 3 

+ f(2, 2) * 2 * 3 

f(2, 3) * 3 

f(2, 4)

那么我们所需要求的f(2, 5) * 5 + f(2, 6)就等于g(2, 6)减去4 * 5倍的g(2, 4)(橙色部分)。至于g如何求,这应该很简单吧。g(j,i) = g(j,i-1) * i + f(j, i)。

这样,我们就可以O(1)实现求解某个f(j, i)了。问题就到此结束了,时间复杂度就是O(n^2)。


我的代码下标是从0开始的,写的一般般:

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
typedef long long ll;const ll mod = 1000000009;
const int N = 1300, C = 2707;char x[N];
int n, L, col[N];	// 第i栋楼的颜色编号 
int pre[C];			// pre[col],前一个颜色为col的摩天楼的标号 
ll f[N][N], 		// 即所说的f数组 fac[N][N], 		// fac(i, j) 用来保存 i * (i + 1)* … * j sum[N];			// 即所说的g数组,这里省去了一维 inline int ord(char a)
{if (a >= 'a' && a <= 'z') return (int) a - 'a';if (a >= 'A' && a <= 'Z') return (int) a - 'A' + 26;
}int main()
{freopen("sky.in", "r", stdin);freopen("sky.out", "w", stdout);scanf("%d%d\n", &n, &L);scanf("%s\n", x);for (int i = 0; i < n; i ++){char ch;scanf("%c", &ch);// 题目要求的颜色读入方式是两个字母col[i] = ord(x[i]) * (26 << 1) + ord(ch);}// 加个哨兵,方便输出 col[n] = C - 1;// 把摩天楼的顺序调转 for (int i = 0; i < n >> 1; i ++) swap(col[i], col[n - i - 1]);for (int i = 0; i <= n + 1; i ++)for (int j = 0; j <= n + 1; j ++) fac[i][j] = 1LL;for (int i = 1; i <= n; i ++){fac[i][i] = i;for (int j = i + 1; j <= n; j ++)fac[i][j] = (fac[i][j - 1] * j) % mod;}for (int j = 1; j <= L + 1; j ++){for (int i = 0; i <= n; i ++) pre[col[i]] = -1;if (j == 1) f[j][0] = 1LL; pre[col[0]] = 0;sum[0] = f[j - 1][0];for (int i = 1; i <= n; i ++){if (pre[col[i]] == -1) f[j][i] = sum[i - 1];else {int p = pre[col[i]];if (p > 0)f[j][i] = f[j][p] * fac[p][i - 1] % mod;f[j][i] = (f[j][i] + f[j][p] * fac[p + 1][i - 1]) % mod;if (p + 1 < i) f[j][i] = (f[j][i] + sum[i - 1] - sum[p] * fac[p + 1][i - 1] % mod + mod) % mod;}pre[col[i]] = i;sum[i] = (sum[i - 1] * i + f[j - 1][i]) % mod;}}printf("%I64d\n", f[L + 1][n]);return 0;
}


这篇关于摩天楼 DP优化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/966861

相关文章

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、

使用国内镜像源优化pip install下载的方法步骤

《使用国内镜像源优化pipinstall下载的方法步骤》在Python开发中,pip是一个不可或缺的工具,用于安装和管理Python包,然而,由于默认的PyPI服务器位于国外,国内用户在安装依赖时可... 目录引言1. 为什么需要国内镜像源?2. 常用的国内镜像源3. 临时使用国内镜像源4. 永久配置国内镜