题目大意

将一些连续的序列根据颜色分为N段,每段有颜色 为 Ci, 长度为 Li。每次点击其中的一段 i ,则可以将该段i消除,该段相邻的两段自动连接到一起,如果连接到一起的两段之前的颜色相同,则更新该段的长度。消除过程可以得到得分 Li*Li。求当所有的段都消除完毕时的最多得分。

分析

求最优化问题,典型的动态规划。 
(1)考虑前n个段被消除最大得分,求dp[n]? 
    显然不行,因为无法保证无后效性,因为这种递推从前向后,如果先消除了前i个段,则前i个段中可能和后面的段合并后再消除的情况就不存在了,即无法表示所有的情况。这样就导致无法构成递推关系,即即使知道了dp[0], dp[1], ....dp[n-1], 也无法知道 dp[n]; 
(2)考虑 段i到段j之间被消除的最大得分,求 dp[0][n-1]? 即区间动态规划 
    既然要求完全消除 [i...j] 的得分,则必定要先消除一个,就从最后一个段j开始。此时有两种选择: 
        1、直接消除j,得分Lj*Lj. 
        2、先消除j之前的某些段,遇到一个颜色和j相同的段,将该段和j进行合并(由于j之前可能有多个间隔的和j颜色相同的段s,因此需要进行枚举取最大值) 
    但是,在第二种选择中,将j和某个段s进行合并之后,得到一个新的段,此时是直接消除该大段,还是继续选择将该大段和之前的某个段s1合并后再消除? 
    如果需要构造递推关系,则有 dp[i][j] = max(dp[i][j], dp[i][s'] + dp[s+1][j-1]) 
其中 dp[s+1][j-1]是将 s到j之间的先消除,将s和j进行合并,设s和j合并后得到的段为s',dp[i][s']是将i到 s'进行合并后的得分。 
    这样做,明显会改变原来的段的大小结构,多个段进行交叉操作时会乱,无法保证无后效性。

(3)进一步考虑: 
dp数组,dp[i][j][k] 表示从下i到j的连续的段,且j之后有长度为k的颜色和 Seq[j]相同,但是不和j相邻的段, 
将 [i, j] 内的段完全消除,且将j之后的那长度为k的段也消除,能够得到的最大分数 
注意,消除的时候,分值不包括 j到长度为k的段之间的那些数据消除的得分

这样构造状态,就可以形成递推关系: 
dp[i][j][k] = dp[i][j-1][0] + (k+Lj)*(k+Lj) 
dp[i][j][k] = max(dp[i][j][k], dp[i][s][k + Lj] + dp[s+1][j-1][0])

实现(c++)

#define _CRT_SECURE_NO_WARNINGS
#include<stdio.h>
#include<string.h>
#define MAX_SEG_NUM 202 //保存每段的数据,颜色和长度
struct Seg{
int color;
int length;
};
Seg gSegs[MAX_SEG_NUM];
//dp数组,dp[i][j][k] 表示从下i到j的连续的段,且j之后有长度为k的颜色和 Seq[j]相同,但是不和j相邻的段,
//将 [i, j] 内的段完全消除,且将j之后的那长度为k的段也消除,能够得到的最大分数
//注意,消除的时候,分值不包括 j到长度为k的段之间的那些数据消除的得分
int dp[MAX_SEG_NUM][MAX_SEG_NUM][MAX_SEG_NUM]; int Square(int x){
return x*x;
}
//dp函数。采用递归式的动态规划
int GetScore(int start, int end, int ex_len){
//如果已经求完,则直接返回
if (dp[start][end][ex_len])
return dp[start][end][ex_len]; int result = Square(gSegs[end].length + ex_len); //将段j和j之后长度为k的段进行合并,直接消除求出结果
if (start == end) //递归结束
return dp[start][end][ex_len] = result; result += GetScore(start, end - 1, 0);
//方案一:将段j和j之后长度为k的段进行合并消除,然后加上 i 到j 之间的段进行求和(注意 ex_len 为0是因为
//在求 dp[i][j][k]的时候,分值不包括 j到长度为k的段之间的那些数据的得分,因此 求 i到j-1之间的消除得分即可,即 ex_len = 0 //方案二:在将j和j之后长度为k的段放在一块之后,先不消除,而是递归到子问题:
//从i到j之间找出s,使得s的颜色和j的颜色相同,然后先消去 s+1到j-1 之间的部分SS,则子问题 为 dp[i][s][length(j) + k] + SS
//从 SS中取出最大值
for (int i = end - 1; i >= start; i--){
if (gSegs[i].color != gSegs[end].color)
continue;
int tmp = GetScore(start, i, ex_len + gSegs[end].length) + GetScore(i + 1, end - 1, 0);
if (tmp > result)
result = tmp;
}
return dp[start][end][ex_len] = result;
}
int main(){
int cas, c = 1;
int total_num, color, last_color, k;
scanf("%d", &cas);
while (c <= cas){
scanf("%d", &total_num);
last_color = -1;
k = -1;
memset(dp, 0, sizeof(dp));
for (int i = 0; i < total_num; i++){
scanf("%d", &color);
if (last_color != color){
k++;
last_color = color;
gSegs[k].length = 0;
gSegs[k].color = color;
}
gSegs[k].length++;
} printf("Case %d: %d\n", c++, GetScore(0, k, 0));
}
return 0;
}

poj_1390 动态规划的更多相关文章

  1. 增强学习(三)----- MDP的动态规划解法

    上一篇我们已经说到了,增强学习的目的就是求解马尔可夫决策过程(MDP)的最优策略,使其在任意初始状态下,都能获得最大的Vπ值.(本文不考虑非马尔可夫环境和不完全可观测马尔可夫决策过程(POMDP)中的 ...

  2. 简单动态规划-LeetCode198

    题目:House Robber You are a professional robber planning to rob houses along a street. Each house has ...

  3. 动态规划 Dynamic Programming

    March 26, 2013 作者:Hawstein 出处:http://hawstein.com/posts/dp-novice-to-advanced.html 声明:本文采用以下协议进行授权: ...

  4. 动态规划之最长公共子序列(LCS)

    转自:http://segmentfault.com/blog/exploring/ LCS 问题描述 定义: 一个数列 S,如果分别是两个或多个已知数列的子序列,且是所有符合此条件序列中最长的,则 ...

  5. C#动态规划查找两个字符串最大子串

     //动态规划查找两个字符串最大子串         public static string lcs(string word1, string word2)         {            ...

  6. C#递归、动态规划计算斐波那契数列

    //递归         public static long recurFib(int num)         {             if (num < 2)              ...

  7. 动态规划求最长公共子序列(Longest Common Subsequence, LCS)

    1. 问题描述 子串应该比较好理解,至于什么是子序列,这里给出一个例子:有两个母串 cnblogs belong 比如序列bo, bg, lg在母串cnblogs与belong中都出现过并且出现顺序与 ...

  8. 【BZOJ1700】[Usaco2007 Jan]Problem Solving 解题 动态规划

    [BZOJ1700][Usaco2007 Jan]Problem Solving 解题 Description 过去的日子里,农夫John的牛没有任何题目. 可是现在他们有题目,有很多的题目. 精确地 ...

  9. POJ 1163 The Triangle(简单动态规划)

    http://poj.org/problem?id=1163 The Triangle Time Limit: 1000MS   Memory Limit: 10000K Total Submissi ...

随机推荐

  1. spark streaming updateStateByKey 用法

    object NetworkWordCount { def main(args: Array[String]) { ) { System.err.println("Usage: Networ ...

  2. VS2008 express + opencv配置

    刚开始接触opencv,不是很熟悉,配置过程主要参考了这篇博客,大家可以去看看 http://www.cnblogs.com/micky-zhou/archive/2012/08/06/2624433 ...

  3. Android Studio:Multiple dex files define Landroid/support/annotation/AnimRes

    近期真的比較忙,一不小心博客又荒了两个月. 从今天起.决定重返csdn,多多纪录和分享. 先从一个近期被折磨的死去活来的问题. 由于升级了V4包,就一直报这个问题: com.android.dex.D ...

  4. WPF教程四:布局之DockPanel面板

    DockPanel:停靠面板 DockPanel定义一个区域,在此区域中,您可以使子元素通过描点的形式排列,这些对象位于 Children 属性中.停靠面板类似于WinForm中控件的Dock属性.D ...

  5. 《FPGA全程进阶---实战演练》第三章之PCB叠层

    1.双面板 在双层板设计layout时,最好不要不成梳状结构,因为这样构成的电路,回路面积较大,但是只要对较重要的信号加以地保护,布线完成之后将空的地方敷上地铜皮,并在多个过孔将两个地连接起来,可以弥 ...

  6. 免费 web api 接口大全

    下面的接口来自互联网,部分功能需要付费 查询手机 http://www.yodao.com/s-martresult-xml/search.s?type=mobile&q= 手机号码 查询 I ...

  7. 关于Cocos2d-x中精灵节点的透明度的设置

    1.当我们需要某个精灵作为一个大一点的容器来存放其他的小精灵的时候,我们先设置这个精灵的大小 setTextureRect(Rect(0, 0, babySize.width, babySize.he ...

  8. Anaconda之常用命令

    1.查看环境列表:conda-env  list 2.删除环境:conda env remove -n tf1.2 3.创建指定python的环境:conda create -n tf1.2 pyth ...

  9. Yii2框架加入API Modules

    一.环境部署 1. read fucking Yii Documents. http://www.yiichina.com/doc/guide/2.0 2. 了解依赖注入模式 Java描写叙述: ht ...

  10. R语言低级绘图函数-rect

    rect 函数用来在一张图上添加矩形,只需要指定左下角和右上角的坐标的位置,就可以画出一个矩形 基本用法: plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), ...