原文链接http://www.cnblogs.com/zhouzhendong/p/8724739.html

题目传送门 - BZOJ4409

题意

  有一个N个点的环,相邻两个点距离是1。点顺时针标号为1..N。最初每一个点是空的。要求最终点i存在ri头牛。你有∑ri头牛。你可以选择最多k个点,然后把你的牛任意分配在这k个点里。之后,每一头牛可以选择不动,也可以顺时针走d格并呆在那里。这样,它要耗费d的能量。通过合理选择点、合理分配牛、合理安排牛的走动,使得消耗的总能量最小。

  $n\leq 1000,k\leq 7,r_i\leq 10^6$

题解

  首先,我们来说一个比较simple的结论。

  原始分配方案的一个点的牛不可能走到下一个点。

  很显然,如果可以走到下一个点,那么直接分配在下一个点更优。

  于是我们发现这就是分段贡献。

  考虑先断环为链,所以我们先用掉一层循环,来枚举环的开头。(事实上我是通过顺时针旋转数列实现的)

  然后考虑到剩下的部分,是个DP。

  很容易写出方程:(为了方便,这里的$a_i$即题目描述的$r_i$)

  $$dp_{r,i}=min\{dp_{r-1,j}+\sum_{k=j+1}^i (k-j-1)a_k\}\ \ \ (0\leq j<i)$$

  然后就是经典的斜率优化套路了。

  关于DP的斜率优化看这里$\longrightarrow$传送门

  可以参照下面两道题的做法,这里我不再赘述了。

  BZOJ1096

  BZOJ3675

  然后注意一下初始的时候的$dp_{0,i}$的值为$\infty$(BZOJ3675里面求的是最大值,故初始化为0;但这里求的是最小值。)。

  时间复杂度$O(n^2k)$。

代码

#include <bits/stdc++.h>
using namespace std;
typedef long long LL;
const int N=1005;
int n,R,q[N],head,tail;
LL a[N],sum[N],vsum[N],x[N],y[N],dp[10][N],ans=1LL<<60;
int main(){
scanf("%d%d",&n,&R);
for (int i=1;i<=n;i++)
scanf("%lld",&a[i]);
for (int _i_=1;_i_<=n;_i_++){
sum[0]=vsum[0]=0;
for (int i=1;i<=n;i++)
sum[i]=sum[i-1]+a[i],vsum[i]=vsum[i-1]+a[i]*(i-1);
for (int i=1;i<=n;i++)
dp[0][i]=1LL<<45;
dp[0][0]=0;
for (int r=1;r<=R;r++){
for (int i=0;i<=n;i++)
x[i]=i,y[i]=dp[r-1][i]-vsum[i]+sum[i]*i;
head=1,tail=0;
q[++tail]=0;
for (int i=1;i<=n;i++){
int j=q[head+1],k=q[head];
while (tail-head>0&&y[j]-y[k]<=sum[i]*(x[j]-x[k]))
head++,j=q[head+1],k=q[head];
j=k;
dp[r][i]=dp[r-1][j]+vsum[i]-vsum[j]-(sum[i]-sum[j])*j;
j=q[tail],k=q[tail-1];
while (tail-head>0&&(y[i]-y[j])*(x[j]-x[k])<=(y[j]-y[k])*(x[i]-x[j]))
tail--,j=q[tail],k=q[tail-1];
q[++tail]=i;
}
ans=min(ans,dp[r][n]);
}
for (int i=1;i<=n;i++)
a[i-1]=a[i];
a[n]=a[0];
}
printf("%lld",ans);
return 0;
}

  

BZOJ4409 [Usaco2016 Feb]Circular barn 动态规划 斜率优化的更多相关文章

  1. bzoj 4412: [Usaco2016 Feb]Circular Barn

    4412: [Usaco2016 Feb]Circular Barn Description 有一个N个点的环,相邻两个点距离是1.点顺时针标号为1..N.每一个点有ci头牛,保证∑ci=N.每头牛都 ...

  2. 【bzoj4412】[Usaco2016 Feb]Circular Barn

    先看成一条链 for一遍找位置 在for一遍算答案 #include<algorithm> #include<iostream> #include<cstring> ...

  3. 【学习笔记】动态规划—斜率优化DP(超详细)

    [学习笔记]动态规划-斜率优化DP(超详细) [前言] 第一次写这么长的文章. 写完后感觉对斜优的理解又加深了一些. 斜优通常与决策单调性同时出现.可以说决策单调性是斜率优化的前提. 斜率优化 \(D ...

  4. [bzoj1911][Apio2010特别行动队] (动态规划+斜率优化)

    Description Input Output Sample Input - - Sample Output HINT Solution 斜率优化动态规划 首先易得出这样的一个朴素状态转移方程 f[ ...

  5. [bzoj1597][usaco2008 mar]土地购买 (动态规划+斜率优化)

    Description 农夫John准备扩大他的农场,他正在考虑N (1 <= N <= 50,000) 块长方形的土地. 每块土地的长宽满足(1 <= 宽 <= 1,000, ...

  6. [luogu3648][bzoj3675][APIO2014]序列分割【动态规划+斜率优化】

    题目大意 让你把一个数列分成k+1个部分,使分成乘积分成各个段乘积和最大. 分析 首先肯定是无法开下n \(\times\) n的数组,那么来一个小技巧:因为我们知道k的状态肯定是从k-1的状态转移过 ...

  7. 动态规划(斜率优化):BZOJ 3675 [Apio2014]序列分割

    Description 小H最近迷上了一个分割序列的游戏.在这个游戏里,小H需要将一个长度为N的非负整数序列分割成k+l个非空的子序列.为了得到k+l个子序列, 小H将重复进行七次以下的步骤: 1.小 ...

  8. 动态规划(斜率优化):BZOJ 1010 【HNOI2008】 玩具装箱

    玩具装箱toy Time Limit: 1 Sec  Memory Limit: 162 MBSubmit: 8218  Solved: 3233[Submit] Description P 教授要去 ...

  9. BZOJ 1096: [ZJOI2007]仓库建设(动态规划+斜率优化)

    第一次写斜率优化,发现其实也没啥难的,没打过就随便找了一份代码借(chao)鉴(xi)下,不要介意= = 题解实在是懒得写了,贴代码吧= = CODE: #include<cstdio># ...

随机推荐

  1. windows下安装Rabbitmq详解

    RabbitMQ是建立在强大的Erlang OTP平台上,因此安装Rabbit MQ的前提是安装Erlang. 1.什么是Erlang? Erlang(['ə:læŋ])是一种通用的面向并发的编程语言 ...

  2. 20)django-session使用

    一:目录 1)session原理 2)cookie与session对比 3)session配置 4)session使用 5)示例 二:session原理 Django的Session机制会向请求的浏览 ...

  3. 深入Golang调度器之GMP模型

    前言 随着服务器硬件迭代升级,配置也越来越高.为充分利用服务器资源,并发编程也变的越来越重要.在开始之前,需要了解一下并发(concurrency)和并行(parallesim)的区别. 并发:  逻 ...

  4. Codeforces 1097G Vladislav and a Great Legend [树形DP,斯特林数]

    洛谷 Codeforces 这题真是妙的很. 通过看题解,终于知道了\(\sum_n f(n)^k​\)这种东西怎么算. update:经过思考,我对这题有了更深的理解,现将更新内容放在原题解下方. ...

  5. PID控制器开发笔记之七:微分先行PID控制器的实现

    前面已经实现了各种的PID算法,然而在某些给定值频繁且大幅变化的场合,微分项常常会引起系统的振荡.为了适应这种给定值频繁变化的场合,人们设计了微分先行算法. 1.微分先行算法的思想 微分先行PID控制 ...

  6. CentOS6文件系统思维导图

  7. Confluence 6 附件存储提取文本文件

    当基于文本的文件上传到 Confluence(例如,Word,PowerPoint 等),这些文件中的文本是可以提取并且添加到索引中的,用户可以通过索引来搜索这些文件中的文本内容,不仅仅是搜索文件名. ...

  8. 解决在编程方式下无法访问Spark Master问题

    我们可以选择使用spark-shell,spark-submit或者编写代码的方式运行Spark.在产品环境下,利用spark-submit将jar提交到spark,是较为常见的做法.但是在开发期间, ...

  9. python - 发送html格式的邮件

    import smtplibfrom email.mime.multipart import MIMEMultipartfrom email.mime.text import MIMETextfrom ...

  10. SpringCloud简介

    1.什么是微服务? 微服务就是不同的模块部署在不同的服务器上面,通过接口去访问就是微服务 作用:利用分布式解决网站高并发带来的问题 2.什么是集群? 多台服务器部署相同应用构成一个集群 作用:通过负载 ...