区间DP入门+优化

区间DP原理

先对小区间进行操作得到局部最优解, 然后通过小区间的最优解来得到大区间的最优解。利用了最优子结构和无后继影响的特性。

DP模板

#include<iostream>
#include<algorithm>
using namespace std;
typedef long long ll;
ll dp[2000][2000];
int main()
{
	init();  // 初始化DP
	for(int len=1;len<=n;len++)   // 遍历子区间的所有可能的长度,从只有一个数到全部(n个数)
		for(int begin=1;begin+len<limit;begin++) //遍历所有起点,其中limit是题目中理解出的范围,环形可能是2*n,线性可能是n
		{
			int end=begin+len;
			for(int k=begin;k<end;k++)  //k代表着分割点,[begin,k]是第一个子区间,(k,end]是第二个子区间  k包含在前一个区间内,所以是<end   
				dp[begin][end]=max(dp[begin][end],dp[begin][k]+dp[k+1][end]+sth)  //这里的sth代表着对两个子区间合并和产生的代价 
		}
	int ans=0;
	for(int i=0;i<n;i++)
		ans=max(ans,dp[i][i+n]);
	cout<<ans;
}

例题

P1880 [NOI1995]石子合并

传送门

题目描述
在一个圆形操场的四周摆放 N 堆石子,现要将石子有次序地合并成一堆.规定每次只能选相邻的2堆合并成新的一堆,并将新的一堆的石子数,记为该次合并的得分。

试设计出一个算法,计算出将 N 堆石子合并成 1 堆的最小得分和最大得分。

输入格式
数据的第 1 行是正整数 N,表示有 N 堆石子。

第 2 行有 N 个整数,第 i 个整数 a_i表示第 i 堆石子的个数。
输出格式
输出共 2 行,第 1 行为最小得分,第 2 行为最大得分。

输入输出样例
输入
4
4 5 9 4
输出
43
54
说明/提示
1\leq N\leq 1001≤N≤100,0\leq a_i\leq 200≤a
i≤20。

#include<iostream>
#include<algorithm>
#include<cstring>
#include<cstdio> 
using namespace std;
typedef long long ll;
ll s[500];
ll dpmin[500][500];
ll dpmax[500][500];
ll sum[500];
int main()
{
	int n;
	cin>>n;
	memset(dpmin,0x3f3f3f,sizeof(dpmin));
	for(int i=0;i<n;i++)
	{
		scanf("%d",&s[i]);
		sum[i+1]=sum[i]+s[i];
		dpmin[i][i]=0;
        dpmax[i][i]=0;
	}
	for(int i=0;i<n;i++)
	{
		sum[i+n+1]=sum[i+n]+s[i];
		dpmin[i+n][i+n]=0;
        dpmax[i+n][i+n]=0;
	}//想要获取 区间 i->j 的区间和,sum下标应该为sum[j+1]-sum[i] 
	for(int len=1;len<=n;len++)
	{
		for(int begin=0;begin+len<2*n;begin++)
		{
			int end=begin+len;
			for(int k=begin;k<end;k++)//k包含于前一个区间
			{
				dpmin[begin][end]=min(dpmin[begin][end],dpmin[begin][k]+dpmin[k+1][end]+sum[end+1]-sum[begin]);
				dpmax[begin][end]=max(dpmax[begin][end],dpmax[begin][k]+dpmax[k+1][end]+sum[end+1]-sum[begin]);
			}
		}
	}
	ll ansmin=0xfffffff;
    ll ansmax=-1;
    for(int i=0;i<n;i++)
	{
        ansmin=min(ansmin,dpmin[i][i+n-1]);
        ansmax=max(ansmax,dpmax[i][i+n-1]);
    }
    cout<<ansmin<<endl;
    cout<<ansmax<<endl;
    return 0;
}

P1063 能量项链

传送门

题目描述
在Mars星球上,每个Mars人都随身佩带着一串能量项链。在项链上有N颗能量珠。能量珠是一颗有头标记与尾标记的珠子,这些标记对应着某个正整数。并且,对于相邻的两颗珠子,前一颗珠子的尾标记一定等于后一颗珠子的头标记。因为只有这样,通过吸盘(吸盘是Mars人吸收能量的一种器官)的作用,这两颗珠子才能聚合成一颗珠子,同时释放出可以被吸盘吸收的能量。如果前一颗能量珠的头标记为m,尾标记为r,后一颗能量珠的头标记为r,尾标记为n,则聚合后释放的能量为m * r * n(Mars单位),新产生的珠子的头标记为m,尾标记为n。

需要时,Mars人就用吸盘夹住相邻的两颗珠子,通过聚合得到能量,直到项链上只剩下一颗珠子为止。显然,不同的聚合顺序得到的总能量是不同的,请你设计一个聚合顺序,使一串项链释放出的总能量最大。

例如:设N=4,颗珠子的头标记与尾标记依次为(2,3) (3,5) (5,10) (10,2)我们用记号⊕表示两颗珠子的聚合操作,(jj⊕kk)表示第j,kj,k两颗珠子聚合后所释放的能量。则第4、1两颗珠子聚合后释放的能量为:

(4⊕1)=10×2×3=60。

这一串项链可以得到最优值的一个聚合顺序所释放的总能量为:

((4⊕1)⊕2)⊕3)=10×2×3+10×3×5+10×5×10=710。

输入格式
第一行是一个正整数N(4≤N≤100),表示项链上珠子的个数。第二行是N个用空格隔开的正整数,所有的数均不超过1000。第i个数为第i颗珠子的头标记(1≤i≤N),当i<N时,第i颗珠子的尾标记应该等于第i+1颗珠子的头标记。第N颗珠子的尾标记应该等于第1颗珠子的头标记。

至于珠子的顺序,你可以这样确定:将项链放到桌面上,不要出现交叉,随意指定第一颗珠子,然后按顺时针方向确定其他珠子的顺序。

输出格式
一个正整数E(E≤2.1×(10) ^9),为一个最优聚合顺序所释放的总能量。

输入输出样例
输入 #1复制
4
2 3 5 10
输出 #1复制
710
说明/提示
NOIP 2006 提高组 第一题

#include<iostream>
#include<algorithm>
using namespace std;
typedef long long ll;
ll dp[400][400];
ll stone[400];
int main()
{
	int n;
	cin>>n;
	for(int i=0;i<n;i++)
	{
		cin>>stone[i];
		stone[i+n]=stone[i];
	}
	for(int len=1;len<=n;len++)
	{
		for(int be=0;be+len<2*n;be++)
		{
			int end=be+len;
			for(int k=be;k<end;k++)
				dp[be][end]=max(dp[be][end],dp[be][k]+dp[k+1][end]+stone[be]*stone[k+1]*stone[end+1]);
		}
	}
	ll ans=0;
	for(int i=0;i<n;i++)
		ans=max(ans,dp[i][i+n-1]);
	cout<<ans;
}

平行四边形优化

	init()
	for(len=1;len<=n;len++)
    	for(i=1;i+len<limit;i++)
		{
        	j=i+len;
        	for(k=s[i][j-1];k<s[i+1][j];k++)//在最优分割点范围内枚举分割点
            	if(dp[i][j]>dp[i][k]+dp[k+1][j]+sth)
				{
                	dp[i][j]=dp[i][k]+dp[k+1][j]+sth;
                	s[i][j]=k;//更新最佳分割点
            	}
    	}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
区间优化工具以及程序,INTLAB完全是用Matlab编写的.自我验证方法 密集的线性系统(也包括内部包含和结构化矩阵) 稀疏的spd线性系统 非线性方程组 几个全球性例程: 非线性方程组的所有根 验证了全局优化 验证约束全局优化 参数识别 单变量和多变量非线性方程的根(简单和集群) 特征值问题(简单和集群,也包含内部包含和结构化矩阵) 广义特征值问题(简单和集群) 正交用于单变量函数 单变量多项式零(简单和群集) 前向和后向FFT 包含向量和矩阵的实数和复数数据的区间算法(非常快) 实数和复数稀疏矩阵的区间算法(非常快) 仿射算法包括向量和矩阵 渐变使用仿射算法 Hessians使用仿射算术 泰勒扩展使用仿射算法 fl-numbers:k位浮点和区间运算 自动微分(正向模式,矢量化计算,快速) 梯度(解决非线性方程组) Hessians(用于全球优化) 泰勒系列的单变量函数 自动斜率(顺序方法,对于很多变量很慢) 验证(简单)单变量函数的集成 单变量和多变量(区间)多项式 严格的实时间隔标准函数,包括gamma,erf和erfc(快速,非常准确,〜3 ulps) 严格的复杂间隔标准功能(快速,严谨,但不一定是尖锐的内含物) 一些严格的更高的先验功能 严格的输入/输出(外部和内部包含) 精确求和,点积和矩阵向量残差(解释,参考实现,慢) 几个实用程序 具有误差范围的多精度区间算术(作业慢,速度慢)
区间DP四边形不等式优化是一种用于优化区间DP的方法。四边形不等式可以用来简化具有特定转移方式的DP问题。具体来说,如果转移方程满足区间包含单调性和四边形不等式,那么可以使用四边形不等式优化来减少计算量。 要判断一个转移方程是否满足区间包含单调性和四边形不等式,可以先进行表格计算来观察。如果观察到满足条件,就可以使用四边形不等式优化。 引理表明,如果一个转移方程满足区间包含单调性和四边形不等式,那么优化后的转移方程也会满足四边形不等式。这意味着通过四边形不等式优化可进一步减少计算复杂度。 因此,区间DP四边形不等式优化是一种有效的优化方法,可以提高算法的效率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【DP】四边形不等式优化详解(一)](https://blog.csdn.net/qq_37656398/article/details/103537173)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [四边形不等式(优化区间DP技巧)](https://blog.csdn.net/AC__dream/article/details/123668489)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 1
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