题意理解

圣诞老人共有\(M\)个饼干,准备全部分给\(N\)个孩子。

每个孩子有一个贪婪度,第 i 个孩子的贪婪度为 \(g[i]\)。

如果有 \(a[i]\) 个孩子拿到的饼干数比第 \(i\) 个孩子多,那么第 \(i\) 个孩子会产生 \(g[i] \times a[i]\)的怨气。

给定\(N、M\)和序列\(g\),圣诞老人请你帮他安排一种分配方式,使得每个孩子至少分到一块饼干,并且所有孩子的怨气总和最小

输入格式

第一行包含两个整数N,M。

第二行包含N个整数表示\(g_1\)~\(g_N\)。

输出格式

第一行一个整数表示最小怨气总和。

第二行N个空格隔开的整数表示每个孩子分到的饼干数,若有多种方案,输出任意一种均可。

数据范围

\[1 \le N \le 30, \\\\
N \le M \le 5000, \\\\
1 \le g_i \le 10^7 \\\\
\]

输入样例:

3 20
1 2 3

输出样例:

2
2 9 9

解题报告

题意理解

\(M\)个饼干,分给\(N\)个孩子,每一个孩子有一个贪婪度\(g[i]\),和嫉妒值\(a[i]\),如果有\(a[i]\)个孩子的饼干数比\(i\)多,那么就会产生怨气\(g[i] \times a[i]\)

要求怨气最少.

思路解析

状态初步

已经获得饼干的孩子个数,和已经发放的饼干,应该是我们的动态规划阶段.

但是我们发现,一个孩子产生的怨气,必然和其他孩子得到的饼干数有关.

\[s[i]=
\begin{cases}
\mathcal a[i] \times g[i] \quad a[i]>0\\\\
\mathcal 0 \quad a[i]=0 \\\\
\end{cases}
\\\\
s[i]表示为第i个孩子他产生的怨气
\]


贪心优化

我们发现动态规划的状态设计,想出来不是很难.

但即使我们发现知道了这个状态设计,我们却无法推出动态规划转移方程.

孩子们的怨气产生是根据情况变化的,我们永远猜测不出来.妹子的心就是这样的

我们不得不想点办法?

其实我们发现,那些贪婪度度大的孩子,应该获得到更多的饼干.

所以说,我们按照贪婪度从小到大排序,然后每个孩子获得的饼干数应该也按照贪婪度从大到小排序.

越贪婪的人,得到的饼干越多.越漂亮的妹子,追求者越多

所以说饼干个数,是单调递减的.


转移方程

我们可以设置一下状态的具体表示.

\[f[i][j]表示为前i个孩子,一共分配了j个饼干的最小怨气和.
\]

那么状态转移一下.

\[a[i+1]=
\begin{cases}
\mathcal a[i+1]=i \quad cnt[i+1]<cnt[i] \quad 前i个孩子饼干都比他多,饼干数是单调递减的\\\\
\mathcal a[i+1] \quad cnt[i+1]=cnt[i] \quad 难以确定,不知道前面有多少个孩子饼干比他多\\\\
\end{cases}
\\\\
cnt[i]表示第i个孩子得到的饼干数
\]

当前问题就是,让我们去处理未知情况,也就是前面到底有多少个孩子饼干比它多.


等价变换
  1. 假如说我们当前第\(i\)个孩子,手中的饼干数大于\(1\)的话.

根据饼干数是单调递减可以得出,

\[我们前i个孩子手中的饼干都是 \ge 1 \\\\
因为第i个孩子得到的饼干个数是最少的 \\\\
一个数列中最小值大于1,那么必然其他值都会大于1. \\\\
\]

分配\(j\)个饼干给前\(i\)个孩子,其实等价于分给\(j-i\)个饼干给前\(i\)个孩子.

相当于每一个孩子都少拿一个.

之所以\(a[i]\)没有改变,是因为所有的孩子们,比他们饼干数量多的孩子个数没有改变,相对的逻辑关系木有变化.

  1. 假如说第i个孩子只有1个饼干

我们只能选择枚举有多少个孩子只有一个饼干了,肯定不会很多.

\[f[i][j]=min
\begin{cases}
\mathcal f[i][j-i] \\\\
\mathcal min_{0 \le k < i}{F[k,j-(i-k)]+k*\sum_{p=k+1}^{i}{g[p]}} \\\\
\end{cases}
\\\\
\]


代码解析

#include <bits/stdc++.h>
using namespace std;
#define fir(i,a,b) for(int i=a;i<=b;i++)
#define int long long
const int N=110;
const int M=5100;
int n,m,i,j,k,f[N][M],s[N],g[N],a[N][M],b[N][M],ans[M],c[N];
int cmp(int a,int b)
{
return g[a]>g[b];
}
void print(int n, int m)
{
if (n==0)
return;
print(a[n][m],b[n][m]);
if (a[n][m] == n)
{
fir(i,1,n)
ans[c[i]]++;
}
else
fir(i,a[n][m]+1,n)
ans[c[i]] = 1;
}
signed main()
{
ios::sync_with_stdio(false);
cin>>n>>m;
fir(i,1,n)
cin>>g[i],c[i]=i;
sort(c+1,c+1+n,cmp);
memset(f,0x3f,sizeof(f));
f[0][0]=0;
fir(i,1,n)
{
s[i]=s[i-1]+g[c[i]];
fir(j,i,m)
{
f[i][j]=f[i][j-i];
a[i][j]=i;
b[i][j]=j-i;
fir(k,0,i-1)
{
if (f[i][j]>f[k][j-(i-k)]+(s[i]-s[k+1-1])*k)
{
f[i][j]=f[k][j-(i-k)]+(s[i]-s[k+1-1])*k;
a[i][j]=k;
b[i][j]=j-(i-k);
}
}
}
}
cout<<f[n][m]<<endl;
print(n,m);
fir(i,1,n)
cout<<ans[i]<<' ';
cout<<endl;
return 0;
}

CH5105 Cookies饼干(线性DP)的更多相关文章

  1. CH5105 Cookies (线性dp)

    传送门 解题思路: 贪心的想,贪婪值越大的孩子应该分得更多的饼干,那么先sort一遍在此基础上进行dp.最直观的方向,可以设dp[i][j]为前i个孩子一共分得j块饼干的怨恨最小值.然后转移第i+1个 ...

  2. CH 5105 Cookies(贪心+DP)

    \(CH 5105 Cookies\) \(solution:\) 真是好题一道!这道题我想了很久很久,就得这一题可以直接完全贪心,可惜最后还是失败了,但是对贪心的深入思考也换来了一个最优解方案.然后 ...

  3. LightOJ1044 Palindrome Partitioning(区间DP+线性DP)

    问题问的是最少可以把一个字符串分成几段,使每段都是回文串. 一开始想直接区间DP,dp[i][j]表示子串[i,j]的答案,不过字符串长度1000,100W个状态,一个状态从多个状态转移来的,转移的时 ...

  4. Codeforces 176B (线性DP+字符串)

    题目链接: http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=28214 题目大意:源串有如下变形:每次将串切为两半,位置颠倒形成 ...

  5. hdu1712 线性dp

    //Accepted 400 KB 109 ms //dp线性 //dp[i][j]=max(dp[i-1][k]+a[i][j-k]) //在前i门课上花j天得到的最大分数,等于max(在前i-1门 ...

  6. 动态规划——线性dp

    我们在解决一些线性区间上的最优化问题的时候,往往也能够利用到动态规划的思想,这种问题可以叫做线性dp.在这篇文章中,我们将讨论有关线性dp的一些问题. 在有关线性dp问题中,有着几个比较经典而基础的模 ...

  7. POJ 2479-Maximum sum(线性dp)

    Maximum sum Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 33918   Accepted: 10504 Des ...

  8. poj 1050 To the Max(线性dp)

    题目链接:http://poj.org/problem?id=1050 思路分析: 该题目为经典的最大子矩阵和问题,属于线性dp问题:最大子矩阵为最大连续子段和的推广情况,最大连续子段和为一维问题,而 ...

  9. nyoj44 子串和 线性DP

    线性DP经典题. dp[i]表示以i为结尾最大连续和,状态转移方程dp[i] = max (a[i] , dp[i - 1] + a[i]) AC代码: #include<cstdio> ...

随机推荐

  1. 【计算机视觉】【并行计算与CUDA开发】GPU硬解码---CUVID

    问题描述:项目中,需要对高清监控视频分析处理,经测试,其解码过程所占CPU资源较多,导致整个系统处理效率不高,解码成为系统的瓶颈. 解决思路: 利用GPU解码高清视频,降低解码所占用CPU资源,加速解 ...

  2. 【并行计算-CUDA开发】CUDA软件架构与Nvidia硬件对应关系

    前面扯了很多,不过大多都是在讲CUDA 在软体层面的东西:接下来,虽然Heresy 自己也不熟,不过还是来研究一下硬体的部分吧-毕竟要最佳化的时候,好像还是要大概知道一下相关的东西的.这部分主要参考资 ...

  3. nginx多线程高并发

    直接上图 Master-Worker模式 1.Nginx 在启动后,会有一个 master 进程和多个相互独立的 worker 进程. 2.接收来自外界的信号,向各worker进程发送信号,每个进程都 ...

  4. django 中 null=True 和 blank=True的区别!

    null 是针对数据库而言,如果 null=True, 表示数据库的该字段可以为空,即在Null字段显示为YES. blank 是针对表单的,如果 blank=True,表示你的前端表单填写该字段的时 ...

  5. python私有化xx、_xx、__xx、__xx__、xx_的区别

    xx:共有变量. _xx:私有化的属性或方法,from xxx import * 时无法导入,子类的对象和子类可以访问. __xx:避免与子类中的属性命名冲突,无法在外部直接访问(名字重整所以访问不到 ...

  6. readlink、find-exec参数、file命令

    一.readlink:查看符号链接文件的内容 语法       readlink [选项] ...文件... 描述       打印符号链接或规范文件名的值 -f,--canonicalize     ...

  7. Elasticsearch多集群数据同步

    有时多个Elasticsearch集群避免不了要同步数据,网上查找了下数据同步工具还挺多,比较常用的有:elasticserach-dump.elasticsearch-exporter.logsta ...

  8. 《深入实践C++模板编程》之六——标准库中的容器

    1.容器的基本要求 a.并非所有的数据都可以放进容器当中.各种容器模板对所存数据类型都有一个基本要求——可复制构造.将数据放进容器的过程就是通过数据的复制构造函数在容器内创建数据的一个副本的过程. b ...

  9. 豆瓣网post 爬取带验证码

    # -*- coding: utf- -*- import scrapy import requests from ..bao.jiema import get_number fromdata = { ...

  10. linux常用命令(4)

    linux常用命令(4) --- Vim编辑器与Shell命令脚本 如何使用vim编辑器来编写文档.配置主机名称.网卡参数以及yum仓库: 通过vim编辑器将Linux命令放入合适的逻辑测试语句(if ...