这里写自定义目录标题
更多精彩内容
这里是带你游历编程世界的Dashcoding编程社,我是Dash/北航硕士/ICPC区域赛全国排名30+/给你呈现我们眼中的世界!
256题算法特训课,帮你斩获大厂60W年薪offer
原题
2014-ICPC区域赛真题-狼
B站动画详解
问题分析
题目要求我们杀死排成一排的狼,并且每头狼都有两个属性:攻击力和加成值。狼的实际攻击力等于自身攻击力加上相邻狼的加成值。被杀死的狼的加成值会取消,同时,原先与被杀死的狼相邻的两头狼会成为直接相邻的狼。我们的目标是找到一种杀死顺序,使得最终杀死所有狼的总伤害值最小。
这个问题的关键在于每次杀死一头狼后,其余狼的状态会发生动态变化。使用区间动态规划(DP)可以很好地解决这个问题。我们可以通过划分区间并依次解决子问题,最终获得整个区间的最优解。
思路分析
设 f [ l ] [ r ] f[l][r] f[l][r] 表示从位置 l l l 到 r r r 的所有狼被杀死所受到的最小伤害值。我们需要枚举中间位置 k k k,考虑将 k k k 留到最后杀死,此时的伤害值为杀死 k k k 的代价加上区间 [ l , k − 1 ] [l, k-1] [l,k−1] 和 [ k + 1 , r ] [k+1, r] [k+1,r] 的最优子解。公式如下:
f [ l ] [ r ] = min l ≤ k ≤ r ( f [ l ] [ k − 1 ] + f [ k + 1 ] [ r ] + a [ k ] + b [ l − 1 ] + b [ r + 1 ] ) f[l][r] = \min_{l \leq k \leq r} \left(f[l][k-1] + f[k+1][r] + a[k] + b[l-1] + b[r+1]\right) f[l][r]=l≤k≤rmin(f[l][k−1]+f[k+1][r]+a[k]+b[l−1]+b[r+1])
这里的
a
[
k
]
a[k]
a[k] 是狼
k
k
k 的攻击力,而
b
[
l
−
1
]
b[l-1]
b[l−1] 和
b
[
r
+
1
]
b[r+1]
b[r+1] 是左右两端相邻狼的加成值。特别地,当
k
k
k 恰好是区间的左端点或右端点时,只需要考虑一侧的加成值。
DP的转移过程如下:
- 初始化状态,单个位置 f [ i ] [ i ] f[i][i] f[i][i] 的初始值为该位置狼的攻击力加左右相邻狼的加成值。
- 对于长度为 2 2 2 到 n n n 的区间逐步计算,依次枚举区间内的每一个位置作为最后被杀死的狼。
- 通过状态转移方程逐步求解整个区间的最优解。
算法实现
代码实现基于上述思路。我们使用二维数组 f
来存储区间的最优解,通过多次递归计算子区间的值,最终求解完整区间。
代码详解
标准代码程序
C++代码
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N = 205;
ll f[N][N], a[N], b[N];
void solve(int id) {
int n;
cin >> n;
memset(f, 0x3f, sizeof(f)); // 初始化为无穷大
memset(a, 0, sizeof(a));
memset(b, 0, sizeof(b));
for (int i = 1; i <= n; i++) cin >> a[i];
for (int i = 1; i <= n; i++) cin >> b[i];
for (int i = 1; i <= n; i++)
f[i][i] = a[i] + b[i-1] + b[i+1];
for (int len = 2; len <= n; len++) {
for (int l = 1; l <= n; l++) {
int r = l + len - 1;
if (r > n) break;
for (int k = l; k <= r; k++) {
if (k == l)
f[l][r] = min(f[l][r], f[k+1][r] + a[k] + b[l-1] + b[r+1]);
else if (k == r)
f[l][r] = min(f[l][r], f[l][k-1] + a[k] + b[l-1] + b[r+1]);
else
f[l][r] = min(f[l][r], f[l][k-1] + f[k+1][r] + a[k] + b[l-1] + b[r+1]);
}
}
}
cout << "Case #" << id << ": " << f[1][n] << "\n";
}
int main() {
int T;
cin >> T;
for (int i = 1; i <= T; i++) solve(i);
}
Java代码
import java.util.Scanner;
public class WolfHunt {
static final int N = 205;
static long[][] f = new long[N][N];
static long[] a = new long[N], b = new long[N];
public static void solve(int id) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();
// 初始化DP数组为无穷大
for (int i = 0; i < N; i++) {
for (int j = 0; j < N; j++) {
f[i][j] = Long.MAX_VALUE;
}
}
for (int i = 1; i <= n; i++) a[i] = sc.nextLong();
for (int i = 1; i <= n; i++) b[i] = sc.nextLong();
// 初始化单个狼的伤害值
for (int i = 1; i <= n; i++) {
f[i][i] = a[i] + b[i - 1] + b[i + 1];
}
// 动态规划求解
for (int len = 2; len <= n; len++) {
for (int l = 1; l <= n; l++) {
int r = l + len - 1;
if (r > n) break;
for (int k = l; k <= r; k++) {
if (k == l) {
f[l][r] = Math.min(f[l][r], f[k + 1][r] + a[k] + b[l - 1] + b[r + 1]);
} else if (k == r) {
f[l][r] = Math.min(f[l][r], f[l][k - 1] + a[k] + b[l - 1] + b[r + 1]);
} else {
f[l][r] = Math.min(f[l][r], f[l][k - 1] + f[k + 1][r] + a[k] + b[l - 1] + b[r + 1]);
}
}
}
}
System.out.println("Case #" + id + ": " + f[1][n]);
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int T = sc.nextInt();
for (int i = 1; i <= T; i++) {
solve(i);
}
sc.close();
}
}
Python代码
def solve(id):
n = int(input())
a = [0] + list(map(int, input().split())) + [0]
b = [0] + list(map(int, input().split())) + [0]
f = [[float('inf')] * (n + 2) for _ in range(n + 2)]
for i in range(1, n + 1):
f[i][i] = a[i] + b[i-1] + b[i+1]
for length in range(2, n + 1):
for l in range(1, n - length + 2):
r = l + length - 1
for k in range(l, r + 1):
if k == l:
f[l][r] = min(f[l][r], f[k+1][r] + a[k] + b[l-1] + b[r+1])
elif k == r:
f[l][r] = min(f[l][r], f[l][k-1] + a[k] + b[l-1] + b[r+1])
else:
f[l][r] = min(f[l][r], f[l][k-1] + f[k+1][r] + a[k] + b[l-1] + b[r+1])
print(f"Case #{id}: {f[1][n]}")
T = int(input())
for i in range(1, T + 1):
solve(i)
Javascript代码
function solve(id) {
const n = parseInt(prompt());
const a = [0].concat(prompt().split(" ").map(Number)).concat([0]);
const b = [0].concat(prompt().split(" ").map(Number)).concat([0]);
const f = Array.from({ length: n + 2 }, () => Array(n + 2).fill(Infinity));
for (let i = 1; i <= n; i++) {
f[i][i] = a[i] + b[i-1] + b[i+1];
}
for (let length = 2; length <= n; length++) {
for (let l = 1; l <= n - length + 1; l++) {
const r = l + length - 1;
for (let k = l; k <= r; k++) {
if (k === l) {
f[l][r] = Math.min(f[l][r], f[k+1][r] + a[k] + b[l-1] + b[r+1]);
} else if (k === r) {
f[l][r] = Math.min(f[l][r], f[l][k-1] + a[k] + b[l-1] + b[r+1]);
} else {
f[l][r] = Math.min(f[l][r], f[l][k-1] + f[k+1][r] + a[k] + b[l-1] + b[r+1]);
}
}
}
}
console.log(`Case #${id}: ${f[1][n]}`);
}
const T = parseInt(prompt());
for (let i = 1; i <= T; i++) {
solve(i);
}
复杂度分析
时间复杂度
该算法的时间复杂度为 O ( n 3 ) O(n^3) O(n3),其中 n n n 是狼的数量。分析如下:
- 外层循环遍历区间的长度,从 2 到 n n n,因此是 O ( n ) O(n) O(n)。
- 第二层循环遍历左端点 l l l,在每个长度下,最多需要遍历 O ( n ) O(n) O(n) 个左端点。
- 第三层循环枚举区间内的最后被杀死的狼的位置 k k k,同样最多需要 O ( n ) O(n) O(n) 的时间。
因此,总的时间复杂度为 O ( n ) × O ( n ) × O ( n ) = O ( n 3 ) O(n) \times O(n) \times O(n) = O(n^3) O(n)×O(n)×O(n)=O(n3)。
空间复杂度
空间复杂度为
O
(
n
2
)
O(n^2)
O(n2),因为我们使用了一个二维数组 f
来存储从位置
l
l
l 到位置
r
r
r 的最优解,数组的大小为
N
×
N
N \times N
N×N,其中
N
N
N 是狼的数量。因此,空间复杂度为
O
(
n
2
)
O(n^2)
O(n2)。
总结
本题的关键在于如何通过动态规划优化求解杀死狼的顺序,以获得最小的伤害值。我们使用了区间DP的思想,通过构建二维DP数组,逐步求解子问题,最终得到整个区间的最优解。
区间DP通常用于解决涉及多个子问题组合的问题,特别是在问题中有顺序和区间划分的情况。本题的难点在于在每个区间中确定最优的杀死顺序,并正确处理相邻狼之间的加成关系。
对于最大规模为 n ≤ 200 n \leq 200 n≤200 的问题, O ( n 3 ) O(n^3) O(n3) 的复杂度是可以接受的,代码在实现中通过三重循环逐步优化子区间,最终求解完整问题,效率较高且容易理解。