B - Lawrence

HDU - 2829

这个题目我觉得很难,难在这个dp方程不会写。

看了网上的题解,看了很久才理解这个dp转移方程

dp[i][j] 表示前面1~j 位并且以 j 结尾分成了 i 段的最小权值和

再定义一个数组 w[a,b] 表示 a到b 的权值和,注意这个不是前缀和,而是题目给的那种权值和

比如 a 到 b  是4 5 1 2 Its Strategic Value is 4*5 + 4*1 + 4*2 + 5*1 + 5*2 + 1*2 = 49.

w[a,b]=49

然后再定义一个val[i] ==w[1,i] 意思就是前缀权值和 val[i]=val[i-1]+sum[i-1]*a[i]

因为这个w[a,b]不好直接推出来,但是可以借助前缀来推。

求w[a+1,b]=val[b]-val[a]-(sum[b]-sum[a])*sum[a]

然后这个dp方程就可以推出来了

dp[i,j]=min(dp[i-1,k]+w[k+1,j])

但是这个直接暴力n^3肯定是过不了的,所以需要优化,这个式子是不是和之前推过的斜率优化的式子很像。

如果在dp[i-1,k]之外还存在k这个值,一般都是可以用斜率优化来优化这个dp的。

然后就可以推出和之前一样的式子(之前指的是D - Pearls HDU - 1300 斜率dp+二分  斜率dp A - Print Article HDU - 3507

令 F[h]=dp[i-1][h]-val[h]+sum[h]*sum[h]

所以G[h,k]=(F[h]-F[k)/(sum[h]-sum[k])<sum[j]

然后就是一样的推导了

如果存在 i>j>k G[i,j]>G[j,k]

1 G[i,j]>Gj,k]>sum[t]  k 比 j 优 ,j 比 i 优

2 G[i,j]>sum[t]>G[j,k] 那么 j 比 i 优,j 比 k 优

3 sum[t]>G[i,j]>G[j,k] i 比 j 优 j 比k 优

如果是 i > j > k G[i,j]<G[j,k]

1 G[i,j]<G[j,k]<sum[t] j 比 k 优 i 比 j 优

2. G[i,j]<sum[t]<G[j,k] i 比 j 优 k 比 j 优

3 sum[t]<G[i,j]<G[j,k]  j 比 i 优 k 比 j 优

这种情况之下,j 肯定是要被排除的,所以如果从后面插入 i 的时候 前面的 j 如果和它构成的斜率小于这个数和之前的那个数构成的斜率,

那么这个 j 肯定是不要的。

因为这个前缀和sum是单调的,所以可以用单调队列优化这个dp。

#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <algorithm>
#include <queue>
#include <vector>
#include <iostream>
#include <string>
#define inf 0x3f3f3f3f
#define inf64 0x3f3f3f3f3f3f3f3f
using namespace std;
const int maxn = 1e5 + ;
typedef long long ll;
ll dp[][], sum[], val[], a[];
int que[maxn]; ll up(int i,int j,int k)
{
return dp[i - ][j] - val[j] + sum[j] * sum[j] - (dp[i - ][k] - val[k] + sum[k] * sum[k]);
} ll down(int j,int k)
{
return sum[j] - sum[k];
} ll DP(int i,int j,int k)
{
return dp[i - ][k] + val[j] - val[k] - (sum[j] - sum[k])*sum[k];
} int main()
{
int n, m;
while (scanf("%d%d", &n, &m) && (n + m)) {
sum[] = ;
val[] = ;
for (int i = ; i <= n; i++) {
scanf("%lld", &a[i]);
sum[i] = sum[i - ] + a[i];
val[i] = val[i - ] + sum[i - ] * a[i];
}
for (int i = ; i <= n; i++) dp[][i] = val[i];//注意这个题目的初始化
for (int i = ; i <= m + ; i++) {
int head = , tail = ;//注意dp[i,j]的定义是以j结尾分成了i块的最小价值
que[tail++] = i - ;//因为下一段要分成i块,所以前面最少也占了i-1个数,而后面又有可能全部分成一块,注意这种情况不要漏掉
for (int j = i; j <= n; j++) {//注意这个j必须要从i开始
while (head + < tail&&up(i, que[head + ], que[head]) <= sum[j] * down(que[head + ], que[head])) head++;
dp[i][j] = DP(i, j, que[head]);
while (head + < tail&&up(i, j, que[tail - ])*down(que[tail - ], que[tail - ]) <= up(i, que[tail - ], que[tail - ])*down(j, que[tail - ])) tail--;
que[tail++] = j;
}
}
printf("%lld\n", dp[m + ][n]);
}
return ;
}

B - Lawrence HDU - 2829 斜率dp dp转移方程不好写的更多相关文章

  1. HDU 2829 斜率优化DP Lawrence

    题意:n个数之间放m个障碍,分隔成m+1段.对于每段两两数相乘再求和,然后把这m+1个值加起来,让这个值最小. 设: d(i, j)表示前i个数之间放j个炸弹能得到的最小值 sum(i)为前缀和,co ...

  2. hdu 2829 斜率DP

    思路:dp[i][x]=dp[j][x-1]+val[i]-val[j]-sum[j]*sum[i]+sum[j]*sum[j]; 其中val[i]表示1~~i是一段的权值. 然后就是普通斜率dp做法 ...

  3. HDU 4258 斜率优化dp

    Covered Walkway Time Limit: 30000/10000 MS (Java/Others)    Memory Limit: 131072/131072 K (Java/Othe ...

  4. hdu 3045 斜率优化DP

    思路:dp[i]=dp[j]+sum[i]-sum[j]-(i-j)*num[j+1]; 然后就是比较斜率. 注意的时这里j+t<=i: #include<iostream> #in ...

  5. hdu 3669(斜率优化DP)

    Cross the Wall Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 327680/327680 K (Java/Others) ...

  6. Print Article HDU - 3507 -斜率优化DP

    思路 : 1,用一个单调队列来维护解集. 2,假设队列中从头到尾已经有元素a b c.那么当d要入队的时候,我们维护队列的下凸性质, 即如果g[d,c]<g[c,b],那么就将c点删除.直到找到 ...

  7. HDU 3507 斜率优化dp

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  8. HDU 3507斜率优化dp

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  9. HDU 3507 斜率优化 DP Print Article

    在kuangbin巨巨博客上学的. #include <iostream> #include <cstdio> #include <cstring> #includ ...

随机推荐

  1. 2019-08-01【机器学习】有监督学习之分类 KNN,决策树,Nbayes算法实例 (人体运动状态信息评级)

    样本: 使用的算法: 代码: import numpy as np import pandas as pd import datetime from sklearn.impute import Sim ...

  2. spring中BeanPostProcessor之三:InitDestroyAnnotationBeanPostProcessor(01)

    在<spring中BeanPostProcessor之二:CommonAnnotationBeanPostProcessor(01)>一文中,分析到在调用CommonAnnotationB ...

  3. uni-app同步缓存值 设置 读取 删除

    A页面 <view class="go-to-tab" @tap="gotologin"> 去login页面 </view> msg : ...

  4. 架构师修炼之设计模式 - 策略模式(Strategy) 【Python与C#实现】

    程序员,我为你祝福 愿你有一个灿烂的前程 愿你有情人终成眷属 愿你在尘世获得幸福 我只想成为架构师,走遍江湖! 目录 模式定义 模式分类 模式结构 实例(C#与Python版) 优点 缺点 使用场景 ...

  5. 二分例题 51nod

    例题1 1010 只包含因子2 3 5的数 http://www.51nod.com/Challenge/Problem.html#problemId=1010 K的因子中只包含2 3 5.满足条件的 ...

  6. 今天我们谈一下HTML标签中的<map>标签的用法和使用场景

    首先我们看下这个标签到底是干什么的! W3C的定义: 然后兼容性: 然后与之配套使用的另一个标签: <area/>规定其区域: 我们来看看<map>标签支不支持全局属性:=== ...

  7. Aria2任意文件写入漏洞

    目录: 简介 漏洞描述 payload 漏洞复现 一.Aria2介绍 Aria2是一个命令行下运行,多协议,多来源下载工具(HTTP / HTTPS,FTP,BitTorrent,Metalink), ...

  8. 页面性能分析-Chrome Dev Tools

    一.分析面板介绍 进行页面性能快速分析的主要是图中圈出来的几个模块功能: Network : 页面中各种资源请求的情况,这里能看到资源的名称.状态.使用的协议(http1/http2/quic...) ...

  9. css: scroll-table

    .scroll-table { table tbody { display: block; max-height: 120px; overflow-y: scroll; } table thead,t ...

  10. ubuntu16.04-交叉编译-SeetaFaceEngine-master

    0.前言 在要移植opecv和SeetaFaceEngine-master到ARM板子上运行的所有步骤之前,有几点需要注意的: 查看板子运行的Kernel版本 交叉编译工具链的gcc版本,关键就是工具 ...