HDU 1693 Eat the Trees 插头DP

  这是一道入门题,只需判断插头有无。

  具体分为:

    1、上插头和左插头都有

    2、有上插头或有左插头

    3、上插头和左插头都没有

  用HASHMAP储存状态,具体有一些小技巧(见程序)。

  1 #include <cstdio>
  2 #include <cstdlib>
  3 #include <cstring>
  4 #include <string>
  5 #include <algorithm>
  6 
  7 using namespace std;
  8 
  9 #define REP(i, a, b) for (int i = (a), i##_end_ = (b); i <= i##_end_; ++i)
 10 #define DWN(i, a, b) for (int i = (a), i##_end_ = (b); i >= i##_end_; --i)
 11 #define mset(a, b) memset(a, b, sizeof(a))
 12 typedef long long LL;
 13 const int MAXD = 15, HASH = 10007, STATE = 100010;
 14 int n, m, maze[MAXD][MAXD];
 15 int code[MAXD];
 16 struct HASHMAP
 17 {
 18     int head[HASH], nxt[STATE], siz, state[STATE]; LL f[STATE];
 19     void clear() { siz = 0, mset(head, -1); }
 20     void push(int x, LL add)
 21     {
 22         int pos = x%HASH, i = head[pos];
 23         for (; i != -1; i = nxt[i])
 24             if (state[i] == x)
 25             { f[i] += add; return ; }
 26         state[siz] = x, f[siz] = add;
 27         head[pos] = siz, nxt[siz++] = head[pos];    
 28     }
 29 }hm[2];
 30 
 31 void in()
 32 {
 33     scanf("%d %d", &n, &m), mset(maze, 0);
 34     REP(i, 1, n)
 35         REP(j, 1, m) scanf("%d", &maze[i][j]);
 36 }
 37 
 38 void decode(int s)
 39 {
 40     REP(i, 0, m)
 41         if (s&(1<<i)) code[i] = 1;
 42         else code[i] = 0;
 43 }
 44 
 45 int encode()
 46 {
 47     int ret = 0;
 48     DWN(i, m, 0) ret = ret*2+code[i];
 49     return ret;
 50 }
 51 
 52 void shift(int j) 
 53 { 
 54     if (j != m) return ;
 55     DWN(i, m, 1) code[i] = code[i-1]; code[0] = 0;
 56 }
 57 
 58 void dp_blank(int i, int j, int cur)
 59 {
 60     REP(k, 0, hm[cur].siz-1)
 61     {
 62         decode(hm[cur].state[k]);
 63         int lef = code[j-1], up = code[j];
 64         if (lef && up)
 65         {
 66             code[j-1] = code[j] = 0, shift(j);
 67             hm[cur^1].push(encode(), hm[cur].f[k]);
 68         }
 69         else
 70         {
 71             if (lef || up)
 72             {
 73                 if (maze[i+1][j])
 74                 {
 75                     code[j-1] = 1, code[j] = 0, shift(j);
 76                     hm[cur^1].push(encode(), hm[cur].f[k]);
 77                 }
 78                 if (maze[i][j+1])
 79                 {
 80                     code[j-1] = 0, code[j] = 1;
 81                     hm[cur^1].push(encode(), hm[cur].f[k]);
 82                 }
 83             }
 84             else
 85                 if (maze[i+1][j] && maze[i][j+1])
 86                 {
 87                     code[j-1] = code[j] = 1, shift(j);
 88                     hm[cur^1].push(encode(), hm[cur].f[k]);
 89                 }
 90         }
 91     }
 92 }
 93 
 94 void dp_block(int i, int j, int cur)
 95 {
 96     REP(k, 0, hm[cur].siz-1)
 97     {
 98         decode(hm[cur].state[k]);
 99         code[j-1] = code[j] = 0, shift(j);
100         hm[cur^1].push(encode(), hm[cur].f[k]);
101     }
102 }
103 
104 void work()
105 {
106     int cur = 0; LL ans = 0;
107     hm[0].clear(), hm[0].push(0, 1);
108     REP(i, 1, n)
109         REP(j, 1, m)
110         {
111             hm[cur^1].clear();
112             if (maze[i][j]) dp_blank(i, j, cur);
113             else dp_block(i, j, cur);
114             cur ^= 1;
115         }
116     REP(i, 0, hm[cur].siz-1) ans += hm[cur].f[i];
117     printf("There are %I64d ways to eat the trees.\n", ans);
118 }
119 
120 int main()
121 {
122     int T;
123     scanf("%d", &T);
124     REP(i, 1, T)
125     {
126         printf("Case %d: ", i);
127         in(), work();
128     }
129     return 0;
130 }
View Code

 

转载于:https://www.cnblogs.com/-ZZB-/p/6435051.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
### 回答1: hdu 2829 Lawrence 斜率优化dp 这道题是一道经典的斜率优化dp题目,需要用到单调队列的思想。 题目大意是给定一个序列a,求出一个序列b,使得b[i]表示a[1]~a[i]中的最小值,且满足b[i] = min{b[j] + (i-j)*k},其中k为给定的常数。 我们可以将上式拆开,得到b[i] = min{b[j] - j*k} + i*k,即b[i] = i*k + min{b[j] - j*k},这个式子就是斜率优化dp的形式。 我们可以用单调队列来维护min{b[j] - j*k},具体思路如下: 1. 首先将第一个元素加入队列中。 2. 从第二个元素开始,我们需要将当前元素加入队列中,并且需要维护队列的单调性。 3. 维护单调性的方法是,我们从队列的末尾开始,将队列中所有大于当前元素的元素弹出,直到队列为空或者队列中最后一个元素小于当前元素为止。 4. 弹出元素的同时,我们需要计算它们对应的斜率,即(b[j]-j*k)/(j-i),并将这些斜率与当前元素的斜率比较,如果当前元素的斜率更小,则将当前元素加入队列中。 5. 最后队列中的第一个元素就是min{b[j] - j*k},我们将它加上i*k就得到了b[i]的值。 6. 重复以上步骤直到处理完所有元素。 具体实现可以参考下面的代码: ### 回答2: HDU 2829 Lawrence 斜率优化 DP 是一道经典的斜率优化 DP 题目,其思想是通过维护一个下凸包来优化 DP 算法。下面我们来具体分析一下这道题目。 首先,让我们看一下该题目的描述。题目给定一些木棒,要求我们将这些木棒割成一些给定长度,且要求每种长度的木棒的数量都是一样的,求最小的割枝次数。这是一个典型的背包问题,而且在此基础上还要求每种长度的木棒的数量相同,这就需要我们在状态设计上走一些弯路。 我们来看一下状态的定义。定义 $dp[i][j]$ 表示前 $i$ 个木棒中正好能割出 $j$ 根长度为 $c_i$ 的木棒的最小割枝次数。对于每个 $dp[i][j]$,我们可以分类讨论: 1. 不选当前的木棒,即 $dp[i][j]=dp[i-1][j]$; 2. 选当前的木棒,即 $dp[i][j-k]=dp[i-1][j-k]+k$,其中 $k$ 是 $j/c_i$ 的整数部分。 现在问题再次转化为我们需要在满足等量限制的情况下,求最小的割枝次数。可以看出,这是一个依赖于 $c_i$ 的限制。于是,我们可以通过斜率优化 DP 来解决这个问题。 我们来具体分析一下斜率优化 DP 算法的思路。我们首先来看一下动态规划的状态转移方程 $dp[i][j]=\min\{dp[i-1][k]+x_k(i,j)\}$。可以发现,$dp[i][j]$ 的最小值只与 $dp[i-1][k]$ 和 $x_k(i,j)$ 有关。其中,$x_k(i,j)$ 表示斜率,其值为 $dp[i-1][k]-k\times c_i+j\times c_i$。 接下来,我们需要维护一个下凸包,并通过斜率进行优化。我们具体分析一下该过程。假设我们当前要计算 $dp[i][j]$。首先,我们需要找到当前点 $(i,j)$ 在凸包上的位置,即斜率最小值的位置。然后,我们根据该位置的斜率计算 $dp[i][j]$ 的值。接下来,我们需要将当前点 $(i,j)$ 加入到下凸包上。 我们在加入点的时候需要注意几点。首先,我们需要将凸包中所有斜率比当前点小的点移除,直到该点能够加入到凸包中为止。其次,我们需要判断该点是否能够加入到凸包中。如果不能加入到凸包中,则直接舍弃。最后,我们需要保证凸包中斜率是单调递增的,这就需要在加入新的点之后进行上一步操作。 以上就是该题目的解题思路。需要注意的是,斜率优化 DP 算法并不是万能的,其使用情况需要根据具体的问题情况来确定。同时,该算法中需要维护一个下凸包,可能会增加一些算法的复杂度,建议和常规 DP 算法进行对比,选择最优的算法进行解题。 ### 回答3: 斜率优化DP是一种动态规划优化算法,其主要思路是通过对状态转移方程进行变形,提高算法的时间复杂度。HDU2829 Lawrence问题可以用斜率优化DP解决。 首先,我们需要了解原问题的含义。问题描述如下:有$n$个人在数轴上,第$i$个人的位置为$A_i$,每个人可以携带一定大小的行李,第$i$个人的行李重量为$B_i$,但是每个人只能帮助没有他们重量大的人搬行李。若第$i$个人搬运了第$j$个人的行李,那么第$i$个人会累加$C_{i,j}=\left|A_i-A_j\right|\cdot B_j$的体力消耗。求$m$个人帮助每个人搬运行李的最小体力消耗。 我们可以通过斜率优化DP解决这个问题。记$f_i$为到前$i$个人的最小体力消耗,那么状态转移方程为: $$f_i=\min_{j<i}\{f_j+abs(A_i-A_j)\cdot B_i\}$$ 如果直接使用该方程,时间复杂度为$O(n^2)$,如果$n=10^4$,则需要计算$10^8$次,运算时间极长。斜率优化DP通过一些数学推导将方程变形,将时间复杂度降低到$O(n)$,大大缩短了计算时间。 通过斜率优化DP的推导式子,我们可以得到转移方程为: $$f_i=\min_{j<i}\{f_j+slope(j,i)\}$$ 其中,$slope(j,i)$表示直线$j-i$的斜率。我们可以通过如下方式来求解$slope(j,i)$: $$slope(j,i)=\frac{f_i-f_j}{A_i-A_j}-B_i-B_j$$ 如果$slope(j,i)\leq slope(j,k)$,那么$j$一定不是最优,可以直接舍去,降低计算时间。该算法的时间复杂度为$O(n)$。 综上所述,斜率优化DP是一种动态规划优化算法,可以大大缩短计算时间。在处理类似HDU2829 Lawrence问题的时候,斜率优化DP可以很好地解决问题。
评论
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