任务安排
部分表述来源于《算法竞赛进阶指南》。
题面
题目描述
n n n 个任务排成一个序列在一台机器上等待完成(顺序不得改变),这 n n n 个任务被分成若干批,每批包含相邻的若干任务。
从零时刻开始,这些任务被分批加工,第 i i i 个任务单独完成所需的时间为 t i t _i ti 。在每批任务开始前,机器需要启动时间 s s s,而完成这批任务所需的时间是各个任务需要时间的总和(同一批任务将在同一时刻完成)。
每个任务的费用是它的完成时刻乘以一个费用系数 c i c_ i ci。请确定一个分组方案,使得总费用最小。
输入格式
第一行一个正整数
n
n
n。
第二行是一个整数
s
s
s。
下面 n n n 行每行有一对数,分别为 t i t_i ti 和 c i c_i ci,表示第 i i i 个任务单独完成所需的时间是 t i t_ i ti 及其费用系数 f i f_i fi。
输出格式
一个数,最小的总费用。
输入输出样例
输入 #1
5
1
1 3
3 2
4 3
2 3
1 4
输出 #1
153
样例解释
如果分组方案是 { 1 , 2 } , { 3 } , { 4 , 5 } \{1,2\},\{3\},\{4,5\} {1,2},{3},{4,5},则完成时间分别为 { 5 , 5 , 10 , 14 , 14 } \{5,5,10,14,14\} {5,5,10,14,14},费用 C = 15 + 10 + 30 + 42 + 56 C=15+10+30+42+56 C=15+10+30+42+56,总费用就是 153 153 153。
任务安排 1( O ( n 3 ) O(n^3) O(n3))
数据范围: 1 ≤ n ≤ 100 , 1 ≤ s ≤ 50 , 1 ≤ t i , c i ≤ 100 1\leq n \leq 100,1\leq s \leq 50,1\leq t_i,c_i \leq 100 1≤n≤100,1≤s≤50,1≤ti,ci≤100。
求出
t
,
c
t,c
t,c 的前缀和
s
u
m
t
,
s
u
m
c
sumt, sumc
sumt,sumc,设
f
i
,
j
f_{i,j}
fi,j 表示把前
i
i
i 个任务分成
j
j
j 批的最小费用,则第
j
j
j 批任务完成的时间为
j
∗
s
+
s
u
m
t
i
j*s+sumt_i
j∗s+sumti,状态转移方程:
f
i
,
j
=
min
0
≤
k
<
i
{
f
k
,
j
−
1
+
(
j
∗
s
+
s
u
m
t
i
)
(
s
u
m
c
i
−
s
u
m
c
k
)
}
f_{i,j}=\min_{0\leq k < i}\{f_{k,j-1}+(j*s+sumt_i)(sumc_i-sumc_k)\}
fi,j=0≤k<imin{fk,j−1+(j∗s+sumti)(sumci−sumck)}
任务安排 2( O ( n 2 ) O(n^2) O(n2))
数据范围: 1 ≤ n ≤ 5000 , 1 ≤ s ≤ 50 , 1 ≤ t i , c i ≤ 100 1\leq n \leq 5000,1\leq s \leq 50,1\leq t_i,c_i \leq 100 1≤n≤5000,1≤s≤50,1≤ti,ci≤100。
评测地址:luogu acwing。
发现 1 中之所以需要
j
j
j,是因为我们需要知道机器启动了多少次,从而计算出时间。这里可以利用费用提前计算的 trick,即每次转移都加上此次转移会对之后的所有费用的影响,具体可以参考转移方程:
f
i
=
min
0
≤
j
<
i
{
f
j
+
s
u
m
t
i
(
s
u
m
c
i
−
s
u
m
c
j
)
+
s
(
s
u
m
c
n
−
s
u
m
c
j
)
}
f_{i}=\min_{0\leq j < i}\{f_{j}+sumt_i(sumc_i-sumc_j)+s(sumc_n-sumc_j)\}
fi=0≤j<imin{fj+sumti(sumci−sumcj)+s(sumcn−sumcj)}
const int N = 5010;
int n, s;
ll f[N], sumt[N], sumc[N];
void solve(){
n = rdi;
s = rdi;
for(int i = 1; i <= n; ++ i){
sumt[i] = sumt[i-1] + rdi;
sumc[i] = sumc[i-1] + rdi;
}
memset(f, 0x3f, sizeof(f));
f[0] = 0;
for(int i = 1; i <= n; ++ i){
for(int j = 0; j < i; ++ j){
f[i] = min(f[i], f[j] + sumt[i] * (sumc[i] - sumc[j])
+ s * (sumc[n] - sumc[j]));
}
}
writen(f[n]);
}
任务安排 3(IOI2002, O ( n ) O(n) O(n))
数据范围: 1 ≤ n ≤ 3 ∗ 1 0 5 , 1 ≤ s , t i , c i < 512 1\leq n \leq 3*10^5,1\leq s,t_i,c_i<512 1≤n≤3∗105,1≤s,ti,ci<512。
评测地址:acwing。
对于解法 2 中的转移方程进行变形得:
f
i
=
min
0
≤
j
<
i
{
f
j
−
(
s
+
s
u
m
t
i
)
∗
s
u
m
c
j
}
+
s
u
m
t
i
∗
s
u
m
c
i
+
s
∗
s
u
m
c
n
f_{i}=\min_{0\leq j < i}\{f_{j}-(s+sumt_i)*sumc_j\}+sumt_i*sumc_i+s*sumc_n
fi=0≤j<imin{fj−(s+sumti)∗sumcj}+sumti∗sumci+s∗sumcn
发现
min
\min
min 里有
i
j
ij
ij 的乘积项,考虑斜率优化。
把
min
\min
min 去掉,把
f
j
f_j
fj 和
s
u
m
c
j
sumc_j
sumcj 看做变量,其他看做常量,得:
f
j
=
(
s
+
s
u
m
t
i
)
∗
s
u
m
c
j
+
f
i
−
s
u
m
t
i
∗
s
u
m
c
i
−
s
∗
s
u
m
c
n
f_j=(s+sumt_i)*sumc_j+f_i-sumt_i*sumc_i-s*sumc_n
fj=(s+sumti)∗sumcj+fi−sumti∗sumci−s∗sumcn
在
s
u
m
c
j
sumc_j
sumcj 为横坐标,
f
j
f_j
fj 为纵坐标的一个平面直角坐标系中,这是一条以
s
+
s
u
m
t
i
s+sumt_i
s+sumti 为斜率,
f
i
−
s
u
m
t
i
∗
s
u
m
c
i
−
s
∗
s
u
m
c
n
f_i-sumt_i*sumc_i-s*sumc_n
fi−sumti∗sumci−s∗sumcn 为截距的直线。决策候选集合是一个点集,每个决策
j
j
j 对应着一个点
(
s
u
m
c
j
,
f
j
)
(sumc_j,f_j)
(sumcj,fj),每个带求解的状态
f
i
f_i
fi 表示一条直线的截距,直线的斜率是
s
+
s
u
m
t
i
s+sumt_i
s+sumti,截距未知。当截距最小化时,
f
i
f_i
fi 取到最小值。
令直线过每个决策点
(
s
u
m
c
j
,
f
j
)
(sumc_j, f_j)
(sumcj,fj) 都可求出一个截距,使截距最小的那个就是最优决策。体现在坐标系中,就是用一条斜率固定的直线自下而上平移,第一次接触到某个决策点时就得到最小截距。
对于任意三个决策点
(
s
u
m
c
j
1
,
f
j
1
)
,
(
s
u
m
c
j
2
,
f
j
2
)
,
(
s
u
m
c
j
3
,
f
j
3
)
(
j
1
<
j
2
<
j
3
)
(sumc_{j1}, f_{j1}),(sumc_{j2}, f_{j2}),(sumc_{j3}, f_{j3})(j1<j2<j3)
(sumcj1,fj1),(sumcj2,fj2),(sumcj3,fj3)(j1<j2<j3),因为
t
,
c
t,c
t,c 都为正整数,所以有
s
u
m
c
j
1
<
s
u
m
c
j
2
<
s
u
m
c
j
3
sumc_{j1}<sumc_{j2}<sumc_{j3}
sumcj1<sumcj2<sumcj3。考虑
j
2
j2
j2 什么时候有可能成为最优决策:
如图,在左图中,无论直线斜率是多少,
j
2
j2
j2 都不可能为最优决策;而右图中
j
2
j2
j2 可能为最优决策。所以如果
j
2
j2
j2 为最优决策,当且仅当:
f
j
2
−
f
j
1
s
u
m
c
j
2
−
s
u
m
c
j
1
<
f
j
3
−
f
j
2
s
u
m
c
j
3
−
s
u
m
c
j
2
\dfrac{f_{j2}-f_{j1}}{sumc_{j2}-sumc_{j1}}<\dfrac{f_{j3}-f_{j2}}{sumc_{j3}-sumc_{j2}}
sumcj2−sumcj1fj2−fj1<sumcj3−sumcj2fj3−fj2,
实际上就是直线
j
1
,
j
2
j1,j2
j1,j2 的斜率要小于直线
j
2
,
j
3
j2,j3
j2,j3 的斜率。于是我们可以用单调队列来维护这个“连接相邻两点的线段斜率”单调递增的“下凸壳”。但是此时的队头所对应的截距并非最小。
在本题中,因为
s
u
m
t
sumt
sumt 单调递增,所以每次求解最小截距的直线的斜率也单调递增,因此我们可以将所有斜率
≤
s
+
s
u
m
t
i
\leq s+sumt_i
≤s+sumti 的部分弹出队列,这样每次的最优决策必然在队头。
算法步骤,对于每个状态变量 i i i:
- 检查队头两个决策变量 q l , q l + 1 q_l,q_{l+1} ql,ql+1,如果 f q l + 1 − f q l s u m c q l + 1 − s u m c q l ≤ s + s u m t i \dfrac{f_{q_{l+1}}-f_{q_l}}{sumc_{q_{l+1}}-sumc_{q_l}}\leq s+sumt_i sumcql+1−sumcqlfql+1−fql≤s+sumti,则弹出队头,继续检查新的队头。
- 取 j = q l j=q_l j=ql,利用状态转移方程转移。
- 检查 q r − 1 , q r , i q_{r-1},q_r,i qr−1,qr,i 是否为下凸,如果否则弹出队尾,继续检查新的队尾。
- 加入 i i i。
const int N = 3e5 + 10;
int n, s;
ll f[N], sumt[N], sumc[N], q[N];
void solve(){
n = rdi;
s = rdi;
for(int i = 1; i <= n; ++ i){
sumt[i] = sumt[i-1] + rdi;
sumc[i] = sumc[i-1] + rdi;
}
memset(f, 0x3f, sizeof(f));
f[0] = 0;
int l = 1, r = 1;
q[1] = 0;
for(int i = 1; i <= n; ++ i){
while(l < r && (f[q[l+1]] - f[q[l]]) <= (s + sumt[i]) * (sumc[q[l+1]] - sumc[q[l]])){
++ l;
}
f[i] = f[q[l]] - (s + sumt[i]) * sumc[q[l]] + sumt[i] * sumc[i] + s * sumc[n];
while(l < r && (f[q[r]] - f[q[r-1]]) * (sumc[i] - sumc[q[r]]) >=
(f[i] - f[q[r]]) * (sumc[q[r]] - sumc[q[r-1]])){
-- r;
}
q[++r] = i;
}
writen(f[n]);
}
任务安排 4(SDOI2012, O ( n log n ) O(n\log n) O(nlogn), t i t_i ti 可能为负)
数据范围: 1 ≤ n ≤ 3 ∗ 1 0 5 , 1 ≤ s , ∣ t i ∣ , c i < 512 1\leq n \leq 3*10^5,1\leq s,|t_i|,c_i<512 1≤n≤3∗105,1≤s,∣ti∣,ci<512。
评测地址:luogu acwing。
此时的
s
u
m
t
i
sumt_i
sumti 不再单调,所以不能从单调队列的队头来取最优决策,必须要维护整个下凸壳。
所以我们可以在单调队列中二分查找,求出一个位置
p
p
p,
p
p
p 左侧线段的斜率
<
s
+
s
u
m
t
i
<s+sumt_i
<s+sumti,右侧
>
s
+
s
u
m
t
i
>s+sumt_i
>s+sumti,此时的
p
p
p 即为最优决策。
const int N = 3e5 + 10;
int n, s, l, r;
ll f[N], sumt[N], sumc[N], q[N];
int binary_search(ll k){
int L = l, R = r;
while(L < R){
int mid = L + R >> 1;
if(f[q[mid+1]] - f[q[mid]] <= k * (sumc[q[mid+1]] - sumc[q[mid]])){
L = mid + 1;
} else {
R = mid;
}
}
return q[L];
}
void solve(){
n = rdi;
s = rdi;
for(int i = 1; i <= n; ++ i){
sumt[i] = sumt[i-1] + rdi;
sumc[i] = sumc[i-1] + rdi;
}
memset(f, 0x3f, sizeof(f));
f[0] = 0;
l = 1, r = 1;
q[1] = 0;
for(int i = 1; i <= n; ++ i){
int p = binary_search(s + sumt[i]);
f[i] = f[p] - (s + sumt[i]) * sumc[p] + sumt[i] * sumc[i] + s * sumc[n];
while(l < r && (f[q[r]] - f[q[r-1]]) * (sumc[i] - sumc[q[r]]) >=
(f[i] - f[q[r]]) * (sumc[q[r]] - sumc[q[r-1]])){
-- r;
}
q[++r] = i;
}
writen(f[n]);
}
任务安排 ex1( c i c_i ci 可能为负)
可以倒序 dp,设计一个状态转移方程,让 s u m t sumt sumt 为横坐标, s u m c sumc sumc 为斜率中一项,使用 4 的方法求解。
任务安排 ex2( c i , t i c_i,t_i ci,ti 都可能为负)
用平衡树维护凸壳。