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

Deepseek使用指南与提问优化策略方式

《Deepseek使用指南与提问优化策略方式》本文介绍了DeepSeek语义搜索引擎的核心功能、集成方法及优化提问策略,通过自然语言处理和机器学习提供精准搜索结果,适用于智能客服、知识库检索等领域... 目录序言1. DeepSeek 概述2. DeepSeek 的集成与使用2.1 DeepSeek API

Tomcat高效部署与性能优化方式

《Tomcat高效部署与性能优化方式》本文介绍了如何高效部署Tomcat并进行性能优化,以确保Web应用的稳定运行和高效响应,高效部署包括环境准备、安装Tomcat、配置Tomcat、部署应用和启动T... 目录Tomcat高效部署与性能优化一、引言二、Tomcat高效部署三、Tomcat性能优化总结Tom

解读Redis秒杀优化方案(阻塞队列+基于Stream流的消息队列)

《解读Redis秒杀优化方案(阻塞队列+基于Stream流的消息队列)》该文章介绍了使用Redis的阻塞队列和Stream流的消息队列来优化秒杀系统的方案,通过将秒杀流程拆分为两条流水线,使用Redi... 目录Redis秒杀优化方案(阻塞队列+Stream流的消息队列)什么是消息队列?消费者组的工作方式每

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》:本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

MySQL不使用子查询的原因及优化案例

《MySQL不使用子查询的原因及优化案例》对于mysql,不推荐使用子查询,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,本文给大家... 目录不推荐使用子查询和JOIN的原因解决方案优化案例案例1:查询所有有库存的商品信息案例2:使用EX

MySQL中my.ini文件的基础配置和优化配置方式

《MySQL中my.ini文件的基础配置和优化配置方式》文章讨论了数据库异步同步的优化思路,包括三个主要方面:幂等性、时序和延迟,作者还分享了MySQL配置文件的优化经验,并鼓励读者提供支持... 目录mysql my.ini文件的配置和优化配置优化思路MySQL配置文件优化总结MySQL my.ini文件

正则表达式高级应用与性能优化记录

《正则表达式高级应用与性能优化记录》本文介绍了正则表达式的高级应用和性能优化技巧,包括文本拆分、合并、XML/HTML解析、数据分析、以及性能优化方法,通过这些技巧,可以更高效地利用正则表达式进行复杂... 目录第6章:正则表达式的高级应用6.1 模式匹配与文本处理6.1.1 文本拆分6.1.2 文本合并6

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