石子合并问题分析(转)

石子合并问题分析(转)

 

链型石子合并

n(n<=3000) 堆石子排成一条直线，每堆石子有一定的重量。现在要合并这些石子成为一堆石子，但是每次只能合并相邻的两堆。每次合并需要消耗一定的体力，该体力为所合并的两堆石子的重量之和 。问最少需要多少体力才能将n 堆石子合并成一堆石子？
样例输入:
8
5 2 4 7 6 1 3 9
样例输出
105
来源：经典问题

分析：

令f[i,j ] 表示归并第i 个数到第j 数的最小代价,sum[i,j ] 表示第i 个数到第j 个数的和，这个可以事先计算出来。sum[i,j ] 可以在O(1) 的时间内算出.
容易的到以下的动态转移方程：

阶段：以归并石子的长度为阶段，一共有n-1 个阶段。
状态：每个阶段有多少堆石子要归并，当归并长度为2 时，有n-1 个状态；
当归并长度为3 时，有n-2 个状态；
当归并长度为n 时，有1 个状态。
决策：当归并长度为2 时，有1 个决策；当归并长度为3 时，有2 个决策；
当归并长度为n 时，有n-1 个决策。

1 2 3 4 5 6

for len := 2 to n do for i := 1 to n - len + 1 do begin j := i + len - 1 ; f[ i, j ] := MAXLONGINT; for k := i+ 1 to j do begin 参考上面状态转移方程求解

环型石子合并

问题描述
在一个圆形操场的四周摆放着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 堆石子合并成新的一堆，并将新的一堆石子数记为该次合并的得分。
试设计一个算法，计算出将n 堆石子合并成一堆的最小得分和最大得分。

输入文件
输入文件stone.in 包含两行，第1 行是正整数n(1 ≤n ≤100) ，表示有n 堆石子。第2 行有n 个 整数，分别表示每堆石子的个数。

输出文件
输出文件stone.out 包含两行，第1 行中的数是最小得分；第2 行中的数是最大得分。

输入样例
4
4 4 5 9

输出样例
43
54

分析：

用sum[i,j ] 表示将从第i 颗石子开始的接下来j 颗石子合并所得的分值，
fmax [i,j ] 表示将从第i 颗石子开始的接下来j 颗石子合并可能的最大值，那么：
fmax [i,j ] = max(fmax[i, k] + fmax [i + k, j ? k] + sum[i,k ] + sum[i+k, j?k]) (2<=k<=j)
fmax [i,1] = 0
同样的，我们用fmin [i,j ] 表示将第从第i 颗石子开始的接下来j 颗石子合并所得的最小值，可以得到类似的方程：
fmin [i,j ] = min(fmin[i, k] + fmin [i + k, j ? k] + sum[i,k ] + sum[i+k, j? k]) (0<=k<=j)
fmin [i,0] = 0
这样，我们完美地解决了这道题。时间复杂度也是O(n^2) 。

O(n^3) 的Pascal 代码

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44

var fmin, fmax, sum : array [ 1..100, 1..100] of longint ; num : array [ 1..100] of longint ; i, j, k, x, t, n, max, min : longint ;   begin readln ( n) ; for i := 1 to n do begin read ( num[ i ]) ; sum[ i, 1 ] := num[ i ] ; fmin [ i, 1 ] := 0; fmax [ i, 1 ] := 0; end ;   for j := 2 to n do for i := 1 to n do sum[ i, j ] := num[ i ] + sum[ i mod n + 1 , j- 1 ] ;   for j := 2 to n do for i := 1 to n do begin fmin [ i, j ] := maxlongint ; fmax [ i, j ] := - maxlongint; t := sum[ i, j ] ; for k := 1 to j- 1 do begin x := ( i+ k- 1 ) mod n + 1 ; if ( fmin [ i, k ] + fmin [ x, j - k] + t &lt ; fmin [ i, j ]) then fmin [ i, j ] := fmin [ i, k ] + fmin [ x, j - k] + t; if ( fmax [ i, k ] + fmax [ x, j - k] + t &gt ; fmax [ i, j ]) then fmax [ i, j ] := fmax [ i, k ] + fmax [ x, j - k] + t; end ; end ;   max := - maxlongint ; min := maxlongint ;   for j := 1 to n do begin if fmin [ j, n ] < min then min := fmin [ j, n ] ; if fmax [ j, n ] &gt ; max then max := fmax [ j, n ] ; end ; writeln ( min) ; writeln ( max) ; end .

拓展：四边形不等式优化

首先先说一下四边形不等式与决策单调性的结论：

凸性
当函数w[i,j ] 满足：w[i,j] + w[i',j '] <= w[i;,j ] + w[i,j '] (i <=i ’ <j<=j ’ ) 时，称w 满足四边形不等式。
单调性
当函数w[i,j ] 满足：w[i',j] <= w[i,j '] (i <=i ’ <j<=j ’ ) 时，称w 满足关于区间包含的单调性。

这样，对于状态转移方程式
m[i,j ]=min{m[i,k-1]+m[k,j ]+w[i,j ]} (i <k<=j) 如果w[i,j ] 满足四边形不等式和区间包含单调性，那么m[i,j ] 也满足四边形不等式。
用s[i,j ] 表示m[i,j ] 的决策，如果函数m[i,j ] 满足四边形不等式，则函数s[i,j ] 满足单调性，即决策单调性：

s[i,j]<=s[i,j+1]<=s[i+1,j+1] 。

则函数s[i,j ] 的值应该在一个区间内，即：

s[ i,j-1] <= s[i,j ] <= s[i+1,j]

由于s[i,j-1] 和s[i+1,j] 已经在阶段 j-i 求出，所以在枚举决策变量k 时，就可以从s[i,j-1] 到s[i+1,j] 。
于是，我们利用s[i,j ] 的单调性，得到经过优化的状态转移方程为：

利用这样的决策单调性，就可以把时间复杂性优化到O(n^2) 。
边界：s[i,i ] = i
s[i,j ] 的值在m[i,j ] 取得最优值时，保存、更新
例如，对石子归并这道题，先验证w[i,j ] 满足区间单调性和四边形不等式。对数据
i i ’ j j ’
2 3 7 4 6 5
单调性：
w[i',j ] = 3+7+4=14
w[i,j '] =2+3+7+4+6+5=27
故w[i',j ] <= w[i,j '] 满足单调性

四边形不等式：
w[i,j ] + w[i',j '] = (2+3+7+4) + (3+7+6+5) = 16+21 = 37
w[i',j ] + w[i,j '] = (3+7+4) + (2+3+7+4+6+5) = 14 + 27 = 41
故 w[i,j ] + w[i',j '] <= w[i',j ] + w[i,j ']
故石子合并可利用四边形不等式进行优化。

 

转自:http://www.gzlfdn.cn/article.php?id=218