斜率优化DP(HYSBZ - 1010 +HDU 3507)

47 篇文章 0 订阅

思路:这类问题有一个特点,n特别大 1e4以上,而且转移方程必须O(n^2)才能跑完。

通过化简式子可以找到优化的途径。

例如HYSBZ-1010

我们可以写出转移方程dp[i]=min(dp[j]+(sum[i]-sum[j]+i-j-1-L)^2) (i>j>=0)

假设k<j<i,且 j比k更优, 这时候会得到表达式

dp[j]+(sum[i]-sum[j]+i-j-1-L)^2>=dp[k]+(sum[i]-sum[k]+i-j-1-L)^2

t=(i-1-L),这时候会化简成

sum[i]>={(dp[j]-2*(i-1-M)*a+a*a-2*(i-1-L)*sum[j]+2*j*sum[j]+sum[j]*sum[j])-(dp[j]-2*(i-1-M)*j+j*j-2*(i-1-M)*sum[k]+2*k*sum[k]+sum[k]*sum[k])}/{2*(j+sum[j]-k-sum[k])}

也就是最终转化成左边只有sum[i]的式子,这就相当于j,k两点的斜率,我们用单调队列维护一个斜率递增的j, k

对于top++, rear--操作:

当队列头的两个元素斜率小于sum【i】, 说明还能优化,所以top++,取更大的斜率

对于rear--是要维护一个下凸包。

HYSBZ - 1010

#include<cstdio>
#include<iostream>
#include<cstring>
#define MAXN 500000+10
#define LARGE 23333333
using namespace std;
typedef long long LL;
int n, top, rear;
LL dp[MAXN], M, sum[MAXN], S[MAXN];

LL GetUp(int a, int b, int i)
{
    return (dp[a]-2*(i-1-M)*a+a*a-2*(i-1-M)*sum[a]+2*a*sum[a]+sum[a]*sum[a])-
           (dp[b]-2*(i-1-M)*b+b*b-2*(i-1-M)*sum[b]+2*b*sum[b]+sum[b]*sum[b]);
}

LL GetDown(int a, int b)
{
    return 2*(a+sum[a]-b-sum[b]);
}

int main()
{
    scanf("%d%lld", &n, &M);
    LL tmp;
    sum[0]=dp[0]=0;
    for(int i=1; i<=n; i++)
    {
        scanf("%lld", &tmp);
        sum[i]=sum[i-1]+tmp;
    }
    top=rear=0;
    S[rear++]=0;

    for(int i=1; i<=n; i++)
    {

        while(top+1<rear && GetUp(S[top+1], S[top], i)<=GetDown(S[top+1], S[top])*sum[i]) top++;
        int j=S[top];
        dp[i]=dp[j]+(i-j-1+sum[i]-sum[j]-M)*(i-j-1+sum[i]-sum[j]-M);
        while(top+1<rear &&
                GetUp(i, S[rear-1], i)*GetDown(S[rear-1], S[rear-2])<=GetUp(S[rear-1], S[rear-2], i)*GetDown(i, S[rear-1]))rear--;
        S[rear++]=i;
    }
    printf("%lld\n", dp[n]);

    return 0;
}

HDU 3507

#include<cstdio>
#include<iostream>
#include<cstring>
#define MAXN 500000+10
#define LL long long
#define LARGE 23333333
using namespace std;

int n, top, rear;
LL dp[MAXN], M, sum[MAXN], S[MAXN];

LL GetUp(int a, int b){
    return (dp[a]+sum[a]*sum[a])-(dp[b]+sum[b]*sum[b]);
}

LL GetDown(int a, int b){
    return 2*(sum[a]-sum[b]);
}

int main()
{
   while(~scanf("%d%lld", &n, &M)){
        LL tmp;
        sum[0]=dp[0]=0;
        for(int i=1; i<=n; i++){
            scanf("%lld", &tmp);
            sum[i]=sum[i-1]+tmp;
        }
        top=rear=0;
        S[rear++]=0;

        for(int i=1; i<=n; i++){

            while(top+1<rear && GetUp(S[top+1], S[top])<=GetDown(S[top+1], S[top])*sum[i]) top++;
            int j=S[top];
            dp[i]=dp[j]+(sum[i]-sum[j])*(sum[i]-sum[j])+M;
            while(top+1<rear &&
                  GetUp(i, S[rear-1])*GetDown(S[rear-1], S[rear-2])<=GetUp(S[rear-1], S[rear-2])*GetDown(i, S[rear-1]))rear--;
            S[rear++]=i;
        }
        printf("%lld\n", dp[n]);
   }
    return 0;
}

 

### 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