POJ 1180 Batch Scheduling
BTW:
刚在图书馆借了本算法艺术与信息学竞赛. 我多次有买这本书的冲动, 但每次在试看之后就放弃了, 倒不是因为书太难, 而是写的实在是太差. 大家对这本书的评价很高, 我觉得多是因为书的内容, 而作者表达内容与思想的方式真是令我恼火. programmer 写博客, 尤其是技术博客, 往往不去考虑读者的起点, 结果博客都成了自己给自己看的地方. 报纸杂志都属于通俗易懂的材料, 不需要假定读者的水平如何. 而写书, 则必须要好好考虑读者的水平. 单说算法书, 全世界的算法书加起来也得有个上千本, 但是能称为经典的屈指可数, 而经典书的作者在写书时必然仔细考虑了所面向的读者, 读者的水平和读者所处的上下文. 国人常说, 只可意会不可言传, 我觉得这是表达能力不足的借口. 书的目的便是要省去或起码减少 "悟" 所需要的时间. 我读这道题时最大的感受是作者东一句话西一句话, 以自己的思路和上下文在写书. 需要我花大量的时间去悟. 花了半小时, 知道一段话的意思, 恍然大悟原来如此 --- I hate that. 黑书内容虽好, 写的太差
思路:
1. dp[i] 表示从第 i 个任务开始, 到最后一个任务结束所需的最小总代价
2. dp[i] = min{ dp[j] +w(i,j)}, j > i} w(i, j) = (S + sumT(i) - sumT(j)) * sumF(i)
状态转移方程表示求解 dp[i] 的最优解时, 枚举在 j 处切一刀的所有情况, 即 {i,j之间的任务}U{dp[j]的最优解}, 选取最优的 j
另外, w(i, j) = (S + sumT(i) - sumT(j)) * sumF(i) 这个式子的右端乘上的是 sumF(i) 而不是 sumF(i)-sumF(j), 这是因为预先把 dp[j] 的代价计算了, 这样, "在状态转移方程时就可以每次看作从时间 0 开始工作了", 就不需考虑 dp[i] 是什么时候完成的任务了
比如在给定的测试用例中
5个任务的划分为5个组, 每组一个任务
组1 : 完成时间 0+1+1=2, 代价 3, 耗费 2 * 3 = 6
组2 : 完成时间 +1+3=6, 代价 2, 耗费 6 * 3 = 18
组3 : 完成时间 +1+4=11, 代价 3, 总耗费 11 * 3 = 33
组4 : 完成时间 +1+2=14, 代价 3, 总耗费 14 * 3 = 42
组5 : 完成时间 +1+1=16, 代价 4, 总耗费 16 * 4 = 64
假定 {1,2} {3,4,5} 分成两组, 前两组的完成时间为 6, 在3,4,5组减去(S + sumT(i) - sumT(j)) * sumF(i), 相当于
6+1+4 ---> 0+1+4
11+1+2--->5+1+2
14+1+1--->11+1+1
从 3 的视角来看, 组3似乎是从时间 0 开始计算的
3. 从 (2) 知, 是倒推的过程
总结:
1. 顺序切割的动态规划解法
2. 计算 w[i,j] 的时候, 需要非常小心
代码:
没看懂优化原理, o(n*n) 的 MLE + TLE 代码
#include <iostream>
using namespace std; const int MAXN = 10010;
int N, S;
int t[MAXN], f[MAXN];
int st[MAXN], sf[MAXN];
int w[MAXN][MAXN];
int dp[MAXN]; void pre_process() {
memset(st, 0, sizeof(st));
memset(sf, 0, sizeof(sf));
for(int i = N; i > 0 ; i --) {
st[i] = t[i] + st[i+1];
sf[i] = f[i] + sf[i+1];
} memset(w, 0, sizeof(w));
for(int i = 1; i <= N; i ++) {
for(int j = i+1; j <= N; j ++) {
w[i][j] = (S + st[i]-st[j])*sf[i];
}
} memset(dp, 0, sizeof(dp));
for(int i = N; i > 0; i --) {
dp[i] = (S+st[i])*sf[i];
} }
int mainFunc() { for(int i = N-1; i > 0; i --) {
for(int j = i+1; j <= N; j ++) {
dp[i] = min(dp[i], dp[j]+w[i][j]);
}
}
return dp[1];
}
int main() {
//freopen("E:\\Copy\\ACM\\poj\\1180\\in.txt", "r", stdin);
while(cin >> N >> S) {
for(int i = 1; i <= N; i ++) {
scanf("%d%d", &t[i], &f[i]);
}
pre_process();
// mainFunc
cout << mainFunc() << endl;
}
return 0;
}
POJ 1180 Batch Scheduling的更多相关文章
- poj 1180 Batch Scheduling (斜率优化)
Batch Scheduling \(solution:\) 这应该是斜率优化中最经典的一道题目,虽然之前已经写过一道 \(catstransport\) 的题解了,但还是来回顾一下吧,这道题其实较那 ...
- POJ 1180 - Batch Scheduling - [斜率DP]
题目链接:http://poj.org/problem?id=1180 Description There is a sequence of N jobs to be processed on one ...
- POJ 1180 Batch Scheduling(斜率优化DP)
[题目链接] http://poj.org/problem?id=1180 [题目大意] N个任务排成一个序列在一台机器上等待完成(顺序不得改变), 这N个任务被分成若干批,每批包含相邻的若干任务. ...
- POJ 1180 Batch Scheduling (dp,双端队列)
#include <iostream> using namespace std; + ; int S, N; int T[MAX_N], F[MAX_N]; int sum_F[MAX_N ...
- poj 1180:Batch Scheduling【斜率优化dp】
我会斜率优化了!这篇讲的超级棒https://blog.csdn.net/shiyongyang/article/details/78299894?readlog 首先列个n方递推,设sf是f的前缀和 ...
- [POJ1180&POJ3709]Batch Scheduling&K-Anonymous Sequence 斜率优化DP
POJ1180 Batch Scheduling Description There is a sequence of N jobs to be processed on one machine. T ...
- POJ 1180 斜率优化DP(单调队列)
Batch Scheduling Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 4347 Accepted: 1992 ...
- 任务调度分配题两道 POJ 1973 POJ 1180(斜率优化复习)
POJ 1973 这道题以前做过的.今儿重做一次.由于每个程序员要么做A,要么做B,可以联想到0/1背包(谢谢N巨).这样,可以设状态 dp[i][j]为i个程序员做j个A项目同时,最多可做多少个B项 ...
- POJ1180 Batch Scheduling 解题报告(斜率优化)
题目链接:http://poj.org/problem?id=1180 题目描述: There is a sequence of N jobs to be processed on one machi ...
随机推荐
- 【NOI】9272 偶数个三
题目 链接:bajdcc/ACM 描述 在所有的N位数中,有多少个数中有偶数个数字3?结果模12345.(1<=N<=10000) 样例输入 2 样例输出 73 方法一:穷举 评价:最简单 ...
- C_文件包含.h文件和包含.c文件总结
很多人对C语言中的 “文件包含”都不陌生了,文件包含处理在程序开发中会给我们的模块化程序设计带来很大的好处,通过文件包含的方法把程序中的各个功能模块联系起来是模块化程序设计中的一种非常有利的手段. 文 ...
- JS面向对象教程
初探 我们知道Javascript中的变量定义基本如下: var name = 'Chen Hao';; var email = 'haoel(@)hotmail.com'; var website ...
- 成果展示-RSA算法工具
- tomcat7和jetty启动的pom.xml配置
<plugins> <!-- tomcat7 --> <plugin> <groupId>org.apache.tomcat.maven</gro ...
- ExtJs Ext.data.Model 学习笔记
Using a Proxy Ext.define('User', { extend: 'Ext.data.Model', fields: ['id', 'name', 'email'], proxy: ...
- Tomcat性能优化之(一) 启动GZIP压缩
Tomcat性能优化之(一) 启动GZIP压缩 1:设置TOMCAT启用GZIP压缩,通过浏览器HTTP访问对应的资源会根据配置进行压缩. <Connector port="8080& ...
- 关于一致性Hash算法
在大型web应用中,缓存可算是当今的一个标准开发配置了.在大规模的缓存应用中,应运而生了分布式缓存系统.分布式缓存系统的基本原理,大家也有所耳闻.key-value如何均匀的分散到集群中?说到此,最常 ...
- IOS多线程之Block编程
1 什么是block iOS SDK 4.0開始,Apple引入了block这一特性.字面上说,block就是一个代码块.可是它的奇妙之处在于在内联(inline)运行的时候(这和C++非常像)还 ...
- tp-01 搭建过程
1:拷贝ThinkPHP框架系统文件夹自己的www目录中的tp-shop文件夹中 2:新建自己的项目文件(比如:shop)夹与ThinkPHP框架系统文件夹在同一级目录(当然也可以不同) 3: 在tp ...