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

从原理到实战解析Java Stream 的并行流性能优化

《从原理到实战解析JavaStream的并行流性能优化》本文给大家介绍JavaStream的并行流性能优化:从原理到实战的全攻略,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的... 目录一、并行流的核心原理与适用场景二、性能优化的核心策略1. 合理设置并行度:打破默认阈值2. 避免装箱

Python实战之SEO优化自动化工具开发指南

《Python实战之SEO优化自动化工具开发指南》在数字化营销时代,搜索引擎优化(SEO)已成为网站获取流量的重要手段,本文将带您使用Python开发一套完整的SEO自动化工具,需要的可以了解下... 目录前言项目概述技术栈选择核心模块实现1. 关键词研究模块2. 网站技术seo检测模块3. 内容优化分析模

Java实现复杂查询优化的7个技巧小结

《Java实现复杂查询优化的7个技巧小结》在Java项目中,复杂查询是开发者面临的“硬骨头”,本文将通过7个实战技巧,结合代码示例和性能对比,手把手教你如何让复杂查询变得优雅,大家可以根据需求进行选择... 目录一、复杂查询的痛点:为何你的代码“又臭又长”1.1冗余变量与中间状态1.2重复查询与性能陷阱1.

Python内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

Python多线程应用中的卡死问题优化方案指南

《Python多线程应用中的卡死问题优化方案指南》在利用Python语言开发某查询软件时,遇到了点击搜索按钮后软件卡死的问题,本文将简单分析一下出现的原因以及对应的优化方案,希望对大家有所帮助... 目录问题描述优化方案1. 网络请求优化2. 多线程架构优化3. 全局异常处理4. 配置管理优化优化效果1.

MySQL中优化CPU使用的详细指南

《MySQL中优化CPU使用的详细指南》优化MySQL的CPU使用可以显著提高数据库的性能和响应时间,本文为大家整理了一些优化CPU使用的方法,大家可以根据需要进行选择... 目录一、优化查询和索引1.1 优化查询语句1.2 创建和优化索引1.3 避免全表扫描二、调整mysql配置参数2.1 调整线程数2.

深入解析Java NIO在高并发场景下的性能优化实践指南

《深入解析JavaNIO在高并发场景下的性能优化实践指南》随着互联网业务不断演进,对高并发、低延时网络服务的需求日益增长,本文将深入解析JavaNIO在高并发场景下的性能优化方法,希望对大家有所帮助... 目录简介一、技术背景与应用场景二、核心原理深入分析2.1 Selector多路复用2.2 Buffer

SpringBoot利用树形结构优化查询速度

《SpringBoot利用树形结构优化查询速度》这篇文章主要为大家详细介绍了SpringBoot利用树形结构优化查询速度,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下... 目录一个真实的性能灾难传统方案为什么这么慢N+1查询灾难性能测试数据对比核心解决方案:一次查询 + O(n)算法解决

小白也能轻松上手! 路由器设置优化指南

《小白也能轻松上手!路由器设置优化指南》在日常生活中,我们常常会遇到WiFi网速慢的问题,这主要受到三个方面的影响,首要原因是WiFi产品的配置优化不合理,其次是硬件性能的不足,以及宽带线路本身的质... 在数字化时代,网络已成为生活必需品,追剧、游戏、办公、学习都离不开稳定高速的网络。但很多人面对新路由器

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、