思路:第一次先不管数据范围,考虑f[i,j]表示取到第I个用户时为j层用户的情况大致f[i,j]=min{f[i-1,k]+delta}先不考虑判重和实现,光时间复杂度都超时了O(n^3)绝对不行的。想了许久这种思路难以优化成平方的复杂度,故放弃。
然后又考虑了一种f[i,j]表示从第i层到第j层最小不满意度,当前状态不是由 临近的一个用户跑到的,就是从另一端的用户跑回来的。假定数据已排序,我们可以有f[i,j]=min{f[i+1,j]+delta*(a[i+1]-a[i]),f[i+1,j]+delta*(a[j]-a[i]),f[i,j-1]+delta*(a[j]-a[j-1]),f[i,j-1]+delta*(a[j]-a[i])}。但是很明显该方程不能直接实现,因此可以把人的状态也标记了。人在L层下为1,上为2。那么就有
int p=n-(j-i);
f[1][i][j]=min(f[1][i+1][j]+p*(a[i+1]-a[i]),f[2][i+1][j]+p*(a[j]-a[i]));
f[2][i][j]=min(f[2][i][j-1]+p*(a[j]-a[j-1]),f[1][i][j-1]+p*(a[j]-a[i]));
最后找出min(f[1][1][n],f[2][1][n])即可。
总结:DP训练还太少,很容易囿于背包模型的思路。。继续训练DP.