斜率优化dp(POJ1180 Uva1451)
学这个斜率优化dp却找到这个真心容易出错的题目,其中要从n倒过来到1的确实没有想到,另外斜率优化dp的算法一开始看网上各种大牛博客自以为懂了,最后才发现是错了。
不过觉得看那些博客中都是用文字来描述,还是应该用画图来表示更容易让人明白,不过时间不太够,且网上该题解法到处都是,就不累赘了。
代码才20几行真爽
更为详细的描述参见:
《浅谈数形结合思想在信息学竞赛中的应用》 周源
POJ 1180
稍微加深自己的印象
一般来说,斜率优化是从一些特殊数据的一些类似斜率的性质上找出其单调性。对于普通动态规划方程
例如 poj1180(不考虑反向来讨论)
F[i]=min(F[j]+(s+sumt[i]-sumt[j])*sumf[i])
因此我们可以考虑
在i之前
在k<j<i时,考虑使
F[j]+(s+sumt[i]-sumt[j])*sumf[i]<F[k]+(s+sumt[i]-sumf[k])*sumf[i]
化简后可得到
(F[j]-F[k])/(sumt[j]-sumt[k])<sumf[i]
可以类比斜率,如果满足这个条件,那么决策j就比决策k更好,因此我们令
ratio(k,j)=(F[j]-F[k])/(sumt[j]-sumt[k])
当满足ratio(k,j)<sumf[i]则有j好于k
而sumf[i]又是递增的,可以考虑单调队列。
那应该用一个怎样的单调队列来维护最优值呢?
什么值是不需要的?
当ratio(l,k)>ratio(k,j) (l<k<j)时
如果sumf[i]<ratio(k,j),则这些现在都不会是最优决策
如果ratio(k,j)<sumf[i]<ratio(l,k),则j优于k,l优于k
如果ratio(l,k)<sumf[i],则j最优
因此可以看出k是不需要的
因此可以将k节点删去,最后得到的单调队列则有保证ratio递增
关于单调队列具体操作:
1.将队列中头部满足ratio(head,head+1)<sumf[i]的所有删去,因为sumf是递增的,故此后永远满足head比head+1差,所以可以删去到ratio(head,head+1)>sumf[i],此时head即最优决策。
2.计算出新的ratio(tail,i)不断从尾部往前删除直到ratio(tail,i)>ratio(tail,tail-1).然后将i插入尾部即可
#include<cstdio>
#define Maxn 10005
int i,n,s,head,tail;
int sumt[Maxn],sumf[Maxn],ans[Maxn],p[Maxn];
inline double rat(int x,int y){
return((double)(ans[x]-ans[y])/(double)(sumt[x]-sumt[y]));
}
int main()
{
scanf("%d%d",&n,&s);
for(i=;i<=n;i++)
scanf("%d%d",&sumt[i],&sumf[i]);
for(i=n;i>=;i--){
sumt[i]+=sumt[i+];
sumf[i]+=sumf[i+];
while(head<tail&&rat(p[head],p[head+])<=sumf[i]) head++;
ans[i]=ans[p[head]]+sumf[i]*(s+sumt[i]-sumt[p[head]]);
while(head<tail&&rat(p[tail-],p[tail])>=rat(p[tail],i)) tail--;
p[++tail]=i;
}
printf("%d\n",ans[]);
return ;
}
Uva 14
本质上就是裸的斜率优化dp的转型
即求出一定条件下,图像上任意两点斜率的最大值。
#include <cstdio>
#include <cmath>
#define eps 1e-13
int ansl,ansr,n,l,d[],sum[];
double ans;
bool equ(double x,double y){
return(fabs(x-y)<eps);
}
inline double ratio(int a,int b){
return((sum[a]-sum[b])*1.0/(a-b));
}
int main()
{
int t;
scanf("%d",&t);
while(t--){
sum[]=;
scanf("%d%d",&n,&l);
for(int i=; i<=n; i++){
scanf("%1d",&sum[i]);
sum[i]+=sum[i-];
}
ans=;
ansl=;ansr=l;//注意初始化,可能出现0000000
int g=,h=;
for(int i=l; i<=n; i++){
while(h>g&&ratio(d[h],i-l)<=ratio(d[h-],d[h]))
h--;
d[++h]=i-l;
while(g<h&&(ratio(d[g],i)<=ratio(d[g+],i)))
g++;
if(ratio(d[g],i)>ans&&!equ(ans,ratio(d[g],i)))
{
ans=ratio(d[g],i);
ansl=d[g]+;
ansr=i;
}
else if(equ(ans,ratio(d[g],i))&&i-d[g]<ansr-ansl+){
ansl=d[g]+;
ansr=i;
}
}
printf("%d %d\n",ansl,ansr);
}
return ;
}
斜率优化dp(POJ1180 Uva1451)的更多相关文章
- POJ1180 Batch Scheduling -斜率优化DP
题解 将费用提前计算可以得到状态转移方程: $F_i = \min(F_j + sumT_i * (sumC_i - sumC_j) + S \times (sumC_N - sumC_j)$ 把方程 ...
- 【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 ...
- 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 ...
- bzoj-1096 1096: [ZJOI2007]仓库建设(斜率优化dp)
题目链接: 1096: [ZJOI2007]仓库建设 Description L公司有N个工厂,由高到底分布在一座山上.如图所示,工厂1在山顶,工厂N在山脚.由于这座山处于高原内陆地区(干燥少雨),L ...
- [BZOJ3156]防御准备(斜率优化DP)
题目:http://www.lydsy.com:808/JudgeOnline/problem.php?id=3156 分析: 简单的斜率优化DP
- 【BZOJ-1096】仓库建设 斜率优化DP
1096: [ZJOI2007]仓库建设 Time Limit: 10 Sec Memory Limit: 162 MBSubmit: 3719 Solved: 1633[Submit][Stat ...
- BZOJ 1010: [HNOI2008]玩具装箱toy 斜率优化DP
1010: [HNOI2008]玩具装箱toy 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 ...
- BZOJ 3156: 防御准备 斜率优化DP
3156: 防御准备 Description Input 第一行为一个整数N表示战线的总长度. 第二行N个整数,第i个整数表示在位置i放置守卫塔的花费Ai. Output 共一个整数,表示最小的战 ...
- HDU2829 Lawrence(斜率优化dp)
学了模板题之后上网搜下斜率优化dp的题目,然后就看到这道题,知道是斜率dp之后有思路就可以自己做不出来,要是不事先知道的话那就说不定了. 题意:给你n个数,一开始n个数相邻的数之间是被东西连着的,对于 ...
随机推荐
- Windows平台下为Python添加MySQL支持
到Python官网下载MySQL-python-1.2.5.win32-py2.7.exe 安装MySQL-python-1.2.5.win32-py2.7 附 64位MySQL-python下载地址 ...
- Python串行运算、并行运算、多线程、多进程对比实验
转自:http://www.redicecn.com/html/Python/20111223/355.html Python发挥不了多核处理器的性能(据说是受限于GIL,被锁住只能用一个CPU核心, ...
- 菜鸟聊:PHP
学习PHP已经有2个月时间了,从一开始的一片空白,到现在的刚刚入门,我对PHP的了解也有更多的认知,希望通过我对PHP的理解,能帮助到更多像我一样的新手更早的认识PHP.(PS:以下内容的一部分是摘自 ...
- 用pycharm开发django项目示例
pycharm开发django工程(一) 在pycharm(企业版)中新建Django工程,注意使用虚拟环境 创建成功后,在pycharm显示的工程目录结构如下: 打开pycharm的Termina ...
- 生产场景NFS共享存储优化及实战
生产场景NFS共享存储优化: 1.硬件:sas/ssd磁盘,买多块,raid0/raid10,网卡好 2.NFS服务器端优化加all_squash,async /backup/NFS 192.168. ...
- WPF中Expander控件样式,ListBox的样式(带checkbox)恢复
Expander控件样式: <ControlTemplate x:Key="ExpanderToggleButton" TargetType="ToggleButt ...
- 安装Ubuntu时,遇到自定义交换空间swap大小设置问题
【整理】Ubuntu自定义分区设置 在安装Ubuntu时,如果使用的是一个新硬盘那么安装向导会建议你使用整个硬盘,如果硬盘上已经有数据了,向导会建议使用剩余的空间。不管怎样,是由向导自动划分的分区。 ...
- CentOS安装配置Git服务器(gitosis)
主要参考: http://blog.csdn.net/dengjianqiang2011/article/details/9260435 辅助参考: http://freeloda.blog.51ct ...
- 彻底卸载网易UU网游加速器的方法
昨天跟朋友一起玩游戏,网速感觉不怎么好就下了一个免费的网易UU加速器来给对战平台加速,结果加速了以后网速更差,我晕,于是想卸载,可这个加速器口只有一个exe文件,不用安装,但在第一次加速时记得安装了一 ...
- main函数(本文较老,仅作参考)
Xcode4.2之前的main函数如下: int main(int argc, char *argv[]) { NSAutoreleasePool *pool = [[NSAutoreleasePoo ...