石子合并(GarsiaWachs算法)

对于石子合并问题,有一个最好的算法,那就是GarsiaWachs算法。时间复杂度为O(n^2)。


它的步骤如下:

设序列是stone[],从左往右,找一个满足stone[k-1] <= stone[k+1]k,找到后合并stone[k]stone[k-1],再从当前位置开始向左找最大的j,使其满足stone[j] > stone[k]+stone[k-1],插到j的后面就行。一直重复,直到只剩下一堆石子就可以了。在这个过程中,可以假设stone[-1]stone[n]是正无穷的。



举个例子:
186 64 35 32 103
因为35<103,所以最小的k是3,我们先把35和32删除,得到他们的和67,并向前寻找一个第一个超过67的数,把67插入到他后面,得到:186 67 64 103,现在由5个数变为4个数了,继续:186 131 103,现在k=2(别忘了,设A[-1]和A[n]等于正无穷大)234 186,最后得到420。最后的答案呢?就是各次合并的重量之和,即420+234+131+67=852。

基本思想是通过树的最优性得到一个节点间深度的约束,之后证明操作一次之后的解可以和原来的解一一对应,并保证节点移动之后他所在的深度不会改变。具体实现这个算法需要一点技巧,精髓在于不停快速寻找最小的k,即维护一个“2-递减序列”朴素的实现的时间复杂度是O(n*n),但可以用一个平衡树来优化,使得最终复杂度为O(nlogn)。



#include <iostream>
#include <string.h>
#include <stdio.h>

using namespace std;
const int N = 50005;

int stone[N];
int n,t,ans;

void combine(int k)
{
    int tmp = stone[k] + stone[k-1];
    ans += tmp;
    for(int i=k;i<t-1;i++)
        stone[i] = stone[i+1];
    t--;
    int j = 0;
    for(j=k-1;j>0 && stone[j-1] < tmp;j--)
        stone[j] = stone[j-1];
    stone[j] = tmp;
    while(j >= 2 && stone[j] >= stone[j-2])
    {
        int d = t - j;
        combine(j-1);
        j = t - d;
    }
}

int main()
{
    while(scanf("%d",&n)!=EOF)
    {
        if(n == 0) break;
        for(int i=0;i<n;i++)
            scanf("%d",stone+i);
        t = 1;
        ans = 0;
        for(int i=1;i<n;i++)
        {
            stone[t++] = stone[i];
            while(t >= 3 && stone[t-3] <= stone[t-1])
                combine(t-2);
        }
        while(t > 1) combine(t-1);
        printf("%d\n",ans);
    }
    return 0;
}



  • 4
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
石子合并问题是一个经典的动态规划问题。该问题的目标是将一堆石子合并成一堆,并且每次只能合并相邻的两堆石子。每次合并的代价是两堆石子的总和。我们的目标是找到一种合并方式,使得总的合并代价最小。 动态规划算法可以解决石子合并问题。下面是一个简单的动态规划算法的示例: 1. 创建一个二维数组dp,其中dp[i][j]表示合并第i堆到第j堆石子的最小代价。 2. 初始化dp数组的对角线元素为0,即dp[i][i] = 0,因为合并一堆石子的代价为0。 3. 使用一个循环遍历所有可能的合并区间长度,从2开始到n(n为石子的总数)。4. 在每个合并区间长度下,使用一个循环遍历所有可能的起始位置i,计算合并第i堆到第i+length-1堆石子的最小代价。 5. 在计算合并第i堆到第i+length-1堆石子的最小代价时,使用一个循环遍历所有可能的分割点k,计算合并左边和右边两部分石子的代价之和,并更新最小代价。 6. 最终,dp[n]即为合并所有石子的最小代价。 下面是一个使用动态规划算法解决石子合并问题的Python代码示例: ```python def mergeStones(stones): n = len(stones) dp = [[0] * (n + 1) for _ in range(n + 1)] for length in range(2, n + 1): for i in range(1, n - length + 2): j = i + length - 1 dp[i][j] = float('inf') for k in range(i, j): dp[i][j] = min(dp[i][j], dp[i][k] + dp[k + 1][j] + sum(stones[i - 1:j])) return dp[1][n] stones = [3, 2, 4, 1, 5] min_cost = mergeStones(stones) print("Minimum cost to merge stones:", min_cost) # 输出:Minimum cost to merge stones: 33 ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值