点此看题面

大致题意: 让你把一个长度为\(n\)的序列划分成\(m\)块,求每块数总和的最小方差乘\(m^2\)的值。

转化方差

首先方差显然是一个比较复杂的东西,需要进行一定转化。

设\(p_i\)为第\(i\)块数总和;\(s_i\)为原序列的前缀和,即\(s_i=\sum_{i=1}^ia_i\);\(\bar p\)为\(p_i\)的平均值,即\(\bar{p}=\frac{\sum_{i=1}^mp_i}m=\frac{s_n}m\)。

然后推式子:

\[m^2*\frac{\sum_{i=1}^m(p_i-\bar{p})^2}m=m\sum_{i=1}^m(p_i^2-2p_i\bar{p}+\bar{p}^2)=m\sum_{i=1}^mp_i^2-2m\bar{p}\sum_{i=1}^mp_i+m^2\bar{p}^2
\]

其中\(\sum_{i=1}^mp_i\)显然就是\(s_n\),同时我们把\(\bar{p}\)的值代入得到:

\[m\sum_{i=1}^mp_i^2-2s_n^2+s_n^2=m\sum_{i=1}^mp_i^2-s_n^2
\]

动态规划

考虑上面这个式子,其中\(m,s_n^2\)都是常数,因此我们只需要最小化\(p_i\)平方和。

可以考虑动态规划。

设\(f_{i,j}\)表示当前第\(i\)位,已划分出\(j\)块时的\(p_i\)平方和的最小值。

显然暴力转移只需枚举一个转移点:

\[f_{i,j}=\min_{x=1}^{i-1}(f_{x,j-1}+(s_i-s_x)^2)
\]

这就是\(O(n^3)\)的做法了。

斜率优化

显然上面的\(DP\)还不够优,需要优化。

这里我们考虑斜率优化。

设当前为\(i\),比较对于\(a\)和\(b\)两个转移点,若我们选择\(a\)进行转移,则需要满足:

\[f_{a,j-1}+(s_i-s_a)^2<f_{b,j-1}+(s_i-s_b)^2
\]

拆平方并移项:

\[2s_i(s_b-s_a)<(f_{b,j-1}+s_b^2)-(f_{a,j-1}+s_a^2)
\]

两边同除以\(s_b-s_a\)得:

\[2s_i<\frac{(f_{b,j-1}+s_b^2)-(f_{a,j-1}+s_a^2)}{s_b-s_a}
\]

设\(A(x)=s_x,B(x)=f_{x,j-1}+s_x^2\),则上面的式子就相当于:

\[2s_i<\frac{B(b)-B(a)}{A(b)-A(a)}
\]

这是一个斜率的形式。

那么我们就可以开一个单调队列维护一个斜率逐渐上升的序列。

然后每次转移之前,将队首斜率小于\(2s_i\)的几项弹掉再转移即可。

代码

#include<bits/stdc++.h>
#define Tp template<typename Ty>
#define Ts template<typename Ty,typename... Ar>
#define Reg register
#define RI Reg int
#define Con const
#define CI Con int&
#define I inline
#define W while
#define N 3000
#define INF 1e9
using namespace std;
int n,m,a[N+5],s[N+5],q[N+5],f[N+5][N+5];
int main()
{
RI i,j,H,T;for(scanf("%d%d",&n,&m),i=1;i<=n;++i) scanf("%d",a+i),s[i]=s[i-1]+a[i];//读入+初始化前缀和
#define A(x) (s[x])
#define B(x) (f[x][j-1]+s[x]*s[x])
#define S(x,y) (1.0*(B(y)-B(x))/(A(y)-A(x)))
#define Slope (2.0*s[i])
for(i=1;i<=n;++i) f[i][0]=INF;//初始化
for(j=1;j<=m;++j) for(q[H=T=1]=0,i=1;i<=n;++i)//注意要先枚j
{
W(H<T&&Slope>=S(q[H],q[H+1])) ++H;//弹掉不合法队首
f[i][j]=f[q[H]][j-1]+(s[i]-s[q[H]])*(s[i]-s[q[H]]);//转移
W(H<T&&S(q[T-1],q[T])>=S(q[T-1],i)) --T;q[++T]=i;//保证单调递增,放入队尾
}return printf("%lld",1LL*m*f[n][m]-1LL*s[n]*s[n]),0;//输出答案
}

【BZOJ4518】[SDOI2016] 征途(重拾斜率优化DP)的更多相关文章

  1. [luogu4072][bzoj4518][SDOI2016]征途【动态规划+斜率优化】

    题目分析 Pine开始了从S地到T地的征途. 从S地到T地的路可以划分成n段,相邻两段路的分界点设有休息站. Pine计划用m天到达T地.除第m天外,每一天晚上Pine都必须在休息站过夜.所以,一段路 ...

  2. bzoj-4518 4518: [Sdoi2016]征途(斜率优化dp)

    题目链接: 4518: [Sdoi2016]征途 Description Pine开始了从S地到T地的征途. 从S地到T地的路可以划分成n段,相邻两段路的分界点设有休息站. Pine计划用m天到达T地 ...

  3. bzoj4518[Sdoi2016]征途 斜率优化dp

    4518: [Sdoi2016]征途 Time Limit: 10 Sec  Memory Limit: 256 MBSubmit: 1657  Solved: 915[Submit][Status] ...

  4. BZOJ4518 Sdoi2016 征途 【斜率优化DP】 *

    BZOJ4518 Sdoi2016 征途 Description Pine开始了从S地到T地的征途. 从S地到T地的路可以划分成n段,相邻两段路的分界点设有休息站. Pine计划用m天到达T地.除第m ...

  5. 洛谷 P4072 [SDOI2016]征途 斜率优化DP

    洛谷 P4072 [SDOI2016]征途 斜率优化DP 题目描述 \(Pine\) 开始了从 \(S\) 地到 \(T\) 地的征途. 从\(S\)地到\(T\)地的路可以划分成 \(n\) 段,相 ...

  6. [SDOI2015][bzoj4518] 征途 [斜率优化dp]

    题面 传送门 思路 把$vm^2$展开化一下式子,可以得到这样的等价公式: $vm^2=m\sum_{i=1}^m a_i^2-\sum_{i=1}^m a_i$ 那么我们要最小化的就是$\sum_{ ...

  7. 斜率优化dp练习

    1.HDU3507 裸题,有助于理解斜率优化的精髓. dp[i]=min(dp[j]+m+(sum[i]-sum[j])2) 很显然不是单调队列. 根据斜率优化的的定义,就是先设两个决策j,k 什么时 ...

  8. 斜率优化dp 的简单入门

    不想写什么详细的讲解了...而且也觉得自己很难写过某大佬(大米饼),于是建议把他的 blog 先看一遍,然后自己加了几道题目以及解析...顺便建议看看算法竞赛(蓝皮书)的 0x5A 斜率优化(P294 ...

  9. 【洛谷3648/BZOJ3675】[APIO2014]序列分割(斜率优化DP)

    题目: 洛谷3648 注:这道题洛谷3648有SPJ,要求输出方案.BZOJ3675数据组数较多但不要求输出方案. 分析: 这可能是我第三次重学斜率优化了--好菜啊 这道题首先一看就是个DP.稍微推一 ...

随机推荐

  1. 设计模式-Composite(结构型模式) 用于 递归构建 树 状 的组合结构,与Decorator的区别是 Composite旨在通过构造子类而添加新操作,而Decorator直接添加新操作。

    以下代码来源: 设计模式精解-GoF 23种设计模式解析附C++实现源码 //Component.h #pragma once class Component { public: Component( ...

  2. 职位画像分析(pandas/ matplotlib)

    一.数据分析的步骤 二.提出问题 (1) 分析数据分析师主要的技能排名? (2) 分析数据分析师薪资和岗位地点.学历.工作年限的关系? (3) 数据分析师的学历需求? (4) 不同城市数据分析师的需求 ...

  3. Java并发编程:Java实现多线程的几种方式

    在Java中,多线程主要的实现方式有四种:继承Thread类.实现Runnable接口.实现Callable接口通过FutureTask包装器来创建Thread线程.使用ExecutorService ...

  4. 【2019.8.20 NOIP模拟赛 T2】小B的树(tree)(树形DP)

    树形\(DP\) 考虑设\(f_{i,j,k}\)表示在\(i\)的子树内,从\(i\)向下的最长链长度为\(j\),\(i\)子树内直径长度为\(k\)的概率. 然后我们就能发现这个东西直接转移是几 ...

  5. DevExpress中TreeList树样式调整

    DevExpress的TreeList默认是没有树状线的,修改TreeLineStyle属性无效,这对于Tree并不好看. 解决方案一 官方解释说对于DevExpress的标准主题是不支持TreeLi ...

  6. 无限可能,Elasticsearch(一)

    这个世界已然被数据淹没.多年来,我们系统间流转和产生的大量数据已让我们不知所措. 现有的技术都集中在如何解决数据仓库存储以及如何结构化这些数据. 这些看上去都挺美好,直到你实际需要基于这些数据实时做决 ...

  7. Zabbix 数据清理

    目录 Zabbix 数据清理的一系列操作 一.问题 二.解决办法 Zabbix 数据清理的一系列操作 基本信息: Zabbix 版本 4.0.9 MySQL 版本 5.5 一.问题 我们将 Zabbi ...

  8. Wpf Prism.Unity 7

    Prism.Unity 中UnityBootStrapper已经不用了,可以继承PrismApplication 1.Install-package Prism.Unity -v 7.2.0.1367 ...

  9. Docker是什么、为什么是一种趋势

    Docker的思想来自于集装箱,集装箱解决了什么问题?在一艘大船上,可以把货物规整的摆放起来.并且各种各样的货物被集装箱标准化了,集装箱和集装箱之间不会互相影响.那么我就不需要专门运送水果的船和专门运 ...

  10. Python笔记:设计模式之代理模式

    代理通常就是一个介于寻求方和提供方之间的中介系统.其核心思想就是客户端(寻求方)没有直接和提供方(真实对象)打交道,而是通过代理对象来完成提供方提供的资源或操作. 代理其实就是封装实际服务对象的包装器 ...