地址

n个数划分若干段,给定$L$,$p$,每段代价为$|sum_i-sum_j-1-L|^p$,求总代价最小。


正常的dp决策单调性优化题目。不知道为什么luogu给了个黑题难度。$f[i]$表示最小代价。然后有个正常的dp方程。

$f[i]=min \{ f[j]+|sum_i-sum_j-1-L|^p \} $

然后观察发现带高次项,不好斜率优化或单调队列,考虑有没有决策单调性。本来是可以打表证明的,然后拍一下。然而我杠一波瞎证了一下单调性。

$证明:$

$已知f[j]+|sum_i-sum_j-1-L|^p < f[j']+|sum_i-sum_{j'}-1-L|^p$

$要证f[j]+|sum_i-sum_j-L|^p < f[j']+|sum_i-sum_{j'}-L|^p     (j'<j)(就是i加了1)$

$即证|sum_i-sum_{j'}-1-L|^p+|sum_i-sum_j-L|^p < |sum_i-sum_j-1-L|^p+|sum_i-sum_{j'}-L|^p$

$即|sum_i-sum_{j'}-1-L|^p-|sum_i-sum_{j'}-L|^p < |sum_i-sum_j-1-L|^p-|sum_i-sum_j-L|^p$

$然后把其看成关于j的函数,或者就把S_i-S_j-L看成x简便一些,j增大,S_j增大,x总的减小。下面看单调性。可能证的不太严谨,有问题还望指教。$

$f(x)=|x-1|^p-|x|^p  (p为大于2正整数)$

$①p为偶数,则f(x)=(x-1)^p-x^p$

$f'(x)=p(x-1)^{p-1}-px^{p-1}$

$x>=1时显然小于0,此段单调减$

$0<=x<1时p(x-1)^{p-1}<px^{p-1}即p(x-1)^{p-1}-px^{p-1}<0,此段单调减$

$x<0时也有上述关系。$

$又因为x∈R内函数值是连续(就是几个转折点值在左右边两个范围内算出来的f都一样的)的,所以整个是一直单调减的。$

$②p为奇数,p-1为偶,则$

$x>=1时f'(x)=p(x-1)^{p-1}-px^{p-1}<0单调减$

$0<=x<1时f(x)=(1-x)^p-x^p,则f'(x)=-p(x-1)^{p-1}-px^{p-1}<0因为偶数次方必定大于0嘛$

$x<0$时$f(x)=(1-x)^p+x^p,f'(x)=-p(x-1)^{p-1}+px^{p-1}$

$∵x-1<x<0$

$∴(x-1)^{p-1}>x^{p-1}$

$∴f'(x)=-p(x-1)^{p-1}+px^{p-1}<0$

$综上,p为奇或偶都有导数小于0,f随x单调减,j增大,S_j增大,x减小,f必然增大,则原不等式得证。$

$所以满足决策单调性。$

$证毕。$

好像有漏洞?算了不管了。

然后随便写写模板就行啦。

注意一下要用long double精度/范围大,不然long long会爆。注意反而不要考虑会不会爆,考虑你就错了。具体见calc函数。


错误×1:怕calc爆掉,加了特判,忽视了因此会导致的队列弹出时会提前结束。

中二气息的结构体不用管。。

 #include<bits/stdc++.h>
#define dbg(x) cerr<<#x<<"="<<x<<endl
using namespace std;
typedef long double ll;
typedef double db;
template<typename T>inline char MIN(T&A,T B){return A>B?A=B,:;}
template<typename T>inline char MAX(T&A,T B){return A<B?A=B,:;}
template<typename T>inline T _min(T A,T B){return A<B?A:B;}
template<typename T>inline T _max(T A,T B){return A>B?A:B;}
template<typename T>inline T read(T&x){
x=;int f=;char c;while(!isdigit(c=getchar()))if(c=='-')f=;
while(isdigit(c))x=x*+(c&),c=getchar();return f?x=-x:x;
}
inline ll fpow(ll x,int p){ll ret=;for(;p;p>>=,x=x*x)if(p&)ret=ret*x;return ret;}//快速幂都不会写了。。
inline int Abs(int x){return x>?x:-x;}
const int N=+;ll INF=1e18;
struct izayoi_sakuya{
int l,r,pos;
izayoi_sakuya(int l0=,int r0=,int pos0=):l(l0),r(r0),pos(pos0){}
}q[N];
char s[N][];
ll f[N],lim;
int sum[N],pre[N];
int T,L,p,n,l,r;
inline ll calc(int j,int i){return f[j]+fpow(Abs(sum[i]-sum[j]--L),p);}
/*这是原来的
inline ll calc(int j,int i){
ll x=Abs(sum[i]-sum[j]-1-L);
if(x>lim)return INF+1;
ll po=fpow(x,p);
if(f[j]>(ll)1e18-po)return INF+1;
return f[j]+po;
}
*/
inline int find_pos(int L,int R,int j,int i){
int mid;
while(L<R){
mid=L+R>>;
if(calc(j,mid)>=calc(i,mid))R=mid;
else L=mid+;
}
return R;
}
inline void dp(){
q[l=r=]=izayoi_sakuya(,n,);
for(register int i=;i<=n;++i){
f[i]=calc(q[l].pos,i);pre[i]=q[l].pos;//dbg(i),dbg(f[i]),dbg(sum[i]);
if(i==q[l].r)++l;else ++q[l].l;
if(f[i]>INF)continue;
while(l<=r&&calc(q[r].pos,q[r].l)>=calc(i,q[r].l))--r;
if(r<l)q[r=l]=izayoi_sakuya(i+,n,i);
else{
int k;if(calc(q[r].pos,q[r].r)<=calc(i,q[r].r))k=q[r].r+;
else k=find_pos(q[r].l,q[r].r,q[r].pos,i);//dbg(i),dbg(k);
if(k<=n)q[r].r=k-,q[++r]=izayoi_sakuya(k,n,i);
}
}
}
inline void print(int x,int y){
if(x)print(pre[x],x);
for(register int i=x+;i<=y;++i)printf("%s",s[i]),i==y?putchar('\n'):putchar(' ');
} int main(){//freopen("test.in","r",stdin);freopen("tmp.out","w",stdout);
read(T);while(T--){
read(n),read(L),read(p);lim=(ll)ceil(pow(1e18,1.0/(db)p));
for(register int i=;i<=n;++i)scanf("%s",s[i]),sum[i]=sum[i-]+strlen(s[i])+;
dp();if(f[n]>INF)printf("Too hard to arrange\n");
else printf("%lld\n",(long long)f[n]),print(pre[n],n);
printf("--------------------\n");
}
return ;
}

P1912 [NOI2009]诗人小G[决策单调性优化]的更多相关文章

  1. [NOI2009]诗人小G 决策单调性优化DP

    第一次写这种二分来优化决策单调性的问题.... 调了好久,,,各种细节问题 显然有DP方程: $f[i]=min(f[j] + qpow(abs(sum[i] - sum[j] - L - 1))); ...

  2. [BZOJ1563][NOI2009]诗人小G(决策单调性优化DP)

    模板题. 每个决策点都有一个作用区间,后来的决策点可能会比先前的优.于是对于每个决策点二分到它会比谁在什么时候更优,得到新的决策点集合与区间. #include<cstdio> #incl ...

  3. bzoj1563: [NOI2009]诗人小G 决策单调性(1D1D)

    目录 题目链接 题解 代码 题目链接 bzoj1563: [NOI2009]诗人小G 题解 \(n^2\) 的dp长这样 \(f_i = min(f_j + (sum_i - sum_j - 1 - ...

  4. BZOJ1563: [NOI2009]诗人小G(决策单调性 前缀和 dp)

    题意 题目链接 Sol 很显然的一个dp方程 \(f_i = min(f_j + (sum_i - sum_j - 1 - L)^P)\) 其中\(sum_i = \sum_{j = 1}^i len ...

  5. BZOJ1563:[NOI2009]诗人小G(决策单调性DP)

    Description Input Output 对于每组数据,若最小的不协调度不超过1018,则第一行一个数表示不协调度若最小的不协调度超过1018,则输出"Too hard to arr ...

  6. P1912 [NOI2009]诗人小G

    P1912 [NOI2009]诗人小G 思路: 平行四边形不等式优化dp 因为f(j, i) = abs(sum[i]-sum[j]+i-j-1-l)^p 满足平行四边形不等式 j < i f( ...

  7. [BZOJ 1563] [NOI 2009] 诗人小G(决策单调性)

    [BZOJ 1563] [NOI 2009] 诗人小G(决策单调性) 题面 一首诗包含了若干个句子,对于一些连续的短句,可以将它们用空格隔开并放在一行中,注意一行中可以放的句子数目是没有限制的.小 G ...

  8. BZOJ_1563_[NOI2009]诗人小G_决策单调性

    BZOJ_1563_[NOI2009]诗人小G_决策单调性 Description Input Output 对于每组数据,若最小的不协调度不超过1018,则第一行一个数表示不协调度若最小的不协调度超 ...

  9. 不失一般性和快捷性地判定决策单调(洛谷P1912 [NOI2009]诗人小G)(动态规划,决策单调性,单调队列)

    洛谷题目传送门 闲话 看完洛谷larryzhong巨佬的题解,蒟蒻一脸懵逼 如果哪年NOI(放心我这样的蒟蒻是去不了的)又来个决策单调性优化DP,那蒟蒻是不是会看都看不出来直接爆\(0\)?! 还是要 ...

随机推荐

  1. 在eclipse中添加android ADT

    对于程序开发的学者来说,eclipse并不陌生,它为我们提供了一个非常广阔的平台来开发程序.同样我们也可以用它来开发android程序. 但是在eclipse中并不能直接开发android程序,需要我 ...

  2. Newtonsoft.Json读取txt文件中json数据并存到SQL service 数据库!

    using System; using System.Collections.Generic; using System.Text; using System.IO; using Newtonsoft ...

  3. HDFS源码分析之数据块Block、副本Replica

    我们知道,HDFS中的文件是由数据块Block组成的,并且为了提高容错性,每个数据块Block都会在不同数据节点DataNode上有若干副本Replica.那么,什么是Block?什么又是Replic ...

  4. CentOS Python 安装MySQL-python

    一.安装mysql yum list | grep mysql >>yum install -y mysql-server mysql mysql-devel CentOS 7的yum源中 ...

  5. 仿易讯clientloading效果

    以下来实现一个loading效果.详细效果例如以下: 首先对这个效果进行拆分,它由以下部分组成: 1 一个"闪电"样式的图案. 2 "闪电"图案背后是一个圆角矩 ...

  6. IOS数组按中文关键字以字母序排序

    本文转载至 http://blog.csdn.net/xunyn/article/details/7882087 iosobjective cuser框架通讯 IOS项目中会用到对通讯录的联系人或是会 ...

  7. LR中select next row和update value on的设置

    LR的参数的取值,和select next row和update value on的设置都有密不可分的关系.下表给出了select next row和update value on不同的设置,对于LR ...

  8. 【BZOJ3696】化合物 树形DP+暴力

    [BZOJ3696]化合物 Description 首长NOI惨跪,于是去念文化课了.现在,他面对一道化学题.    这题的来源是因为在一个奇怪的学校两个化竞党在玩一个奇怪的博弈论游戏.这个游戏很蛋疼 ...

  9. XShell 连接 vm虚拟机中的redhat Linux系统

    选择的是nat链接,因为nat链接是没有网络的情况下,也是可以链接操作的,当然bridge也可以,那我就从第一步开始; 因为有的人可能改过电脑上的虚拟适配器的ip地址,导致和虚拟机默认的不一样了.如果 ...

  10. Webpack探索【12】--- externals详解

    本文主要讲externals相关内容. https://segmentfault.com/a/1190000012113011