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

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

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