题目描述
P教授要去看奥运,但是他舍不下他的玩具,于是他决定把所有的玩具运到北京。他使用自己的压缩器进行压缩,其可以将任意物品变成一堆,再放到一种特殊的一维容器中。P教授有编号为 1 ⋯ N 1\cdots N 1⋯N 的 N N N 件玩具,第 i i i 件玩具经过压缩后变成一维长度为 C i C_i Ci .为了方便整理,P教授要求在一个一维容器中的玩具编号是连续的。同时如果一个一维容器中有多个玩具,那么两件玩具之间要加入一个单位长度的填充物,形式地说如果将第 i 件玩具到第 j 个玩具放到一个容器中,那么容器的长度将为 x = j − i + ∑ k = i j C k x=j-i+\sum\limits_{k=i}^{j}C_k x=j−i+k=i∑jCk制作容器的费用与容器的长度有关,根据教授研究,如果容器长度为 x ,其制作费用为 ( X − L ) 2 (X-L)^2 (X−L)2 .其中 L 是一个常量。P教授不关心容器的数目,他可以制作出任意长度的容器,甚至超过 L 。但他希望费用最小.
输入格式
第一行输入两个整数N,L.接下来N行输入Ci.1<=N<=50000,1<=L,Ci<=10^7
输出格式
输出最小费用
输入输出样例
输入 #1
5 4
3
4
2
1
4
输出 #1
1
解释:斜率优化DP
明显是动态规划。令 d p [ i ] dp[i] dp[i]为前i个装箱的最小花费。 转移方程如下:
d p [ i ] = min 0 ≤ j < i { d p [ j ] + ( ∑ k = j + 1 i C k + i − j − 1 − L ) 2 } dp[i]=\min\limits_{0 \leq j < i} \{ dp[j]+( \sum \limits_{k = j + 1}^{i}{C_k} + i - j - 1 - L) ^ 2\} dp[i]=0≤j<imin{dp[j]+(k=j+1∑iCk+i−j−1−L)2}
用 s u m [ i ] sum[i] sum[i]表示 i i i个容器的长度之和(即 C C C的前缀和),方程简化为:
d p [ i ] = min 0 ≤ j < i { d p [ j ] + ( s u m [ i ] − s u m [ j ] + i − j − 1 − L ) 2 } dp[i]=\min\limits_{0 \leq j < i} \{ dp[j]+( sum[i]-sum[j] + i - j - 1 - L) ^ 2\} dp[i]=0≤j<imin{dp[j]+(sum[i]−sum[j]+i−j−1−L)2}
又令 f [ i ] f[i] f[i]为 s u m [ i ] + i sum[i]+i sum[i]+i,继续简化方程为:
d p [ i ] = min 0 ≤ j < i { d p [ j ] + ( f [ i ] − f [ j ] − 1 − L ) 2 } dp[i]=\min\limits_{0 \leq j < i} \{ dp[j]+( f[i]-f[j] - 1 - L) ^ 2\} dp[i]=0≤j<imin{dp[j]+(f[i]−f[j]−1−L)2}
对于每个 d p [ i ] dp[i] dp[i]可以知道都是由一个 j 0 j_0 j0推过来的。这个 j 0 j_0 j0对于当前的 i i i是最优的决策。假设现在有两个决策 j 1 , j 2 ( 1 ≤ j 1 < j 2 < i ) j_1,j_2(1≤j1<j2<i) j1,j2(1≤j1<j2<i),且决策j2j_2j2优于 j 1 j_1 j1,则有:
d p [ j 1 ] + ( f [ i ] − f [ j 1 ] − 1 − L ) 2 ≥ d p [ j 2 ] + ( f [ i ] − f [ j 2 ] − 1 − L ) 2 dp[j_1]+( f[i]-f[j_1] - 1 - L) ^ 2 \geq dp[j_2]+( f[i]-f[j_2] - 1 - L) ^ 2 dp[j1]+(f[i]−f[j1]−1−L)2≥dp[j2]+(f[i]−f[j2]−1−L)2
拆开可得:
d p [ j 1 ] + f [ i ] 2 − 2 f [ i ] ( f [ j 1 ] + 1 + L ) + ( f [ j 1 ] + L + 1 ) 2 ≥ d p [ j 2 ] + f [ i ] 2 − 2 f [ i ] ( f [ j 2 ] + 1 + L ) + ( f [ j 2 ] + L + 1 ) 2 dp[j_1]+f[i]^2-2f[i](f[j_1]+1+L)+(f[j_1]+L+1)^2 \geq dp[j_2]+f[i]^2-2f[i](f[j_2]+1+L)+(f[j_2]+L+1)^2 dp[j1]+f[i]2−2f[i](f[j1]+1+L)+(f[j1]+L+1)2≥dp[j2]+f[i]2−2f[i](f[j2]+1+L)+(f[j2]+L+1)2
化简可得:
2 f [ i ] ( f [ j 2 ] + 1 + L ) − 2 f [ i ] ( f [ j 1 ] + 1 + L ) ≥ d p [ j 2 ] + ( f [ j 2 ] + 1 + L ) 2 − ( d p [ j 1 ] + ( f [ j 1 ] + 1 + L ) 2 ) 2f[i](f[j_2] + 1 + L)-2f[i](f[j_1] + 1 + L) \geq dp[j_2]+(f[j_2]+1+L)^2 - (dp[j_1]+(f[j_1]+1+L)^2) 2f[i](f[j2]+1+L)−2f[i](f[j1]+1+L)≥dp[j2]+(f[j2]+1+L)2−(dp[j1]+(f[j1]+1+L)2)
即: 2 f [ i ] ≥ d p [ j 2 ] + ( f [ j 2 ] + 1 + L ) 2 − ( d p [ j 1 ] + ( f [ j 1 ] + 1 + L ) 2 ) f [ j 2 ] − f [ j 1 ] 2f[i] \geq \frac{dp[j_2]+(f[j_2]+1+L)^2 - (dp[j_1]+(f[j_1]+1+L)^2)}{f[j_2]-f[j_1]} 2f[i]≥f[j2]−f[j1]dp[j2]+(f[j2]+1+L)2−(dp[j1]+(f[j1]+1+L)2)
令 g [ i ] = ( f [ i ] + L + 1 ) 2 g[i] = (f[i]+L+1)^2 g[i]=(f[i]+L+1)2,可得: 2 f [ i ] ≥ d p [ j 2 ] + g [ j 2 ] − ( d p [ j 1 ] + g [ j 1 ] ) f [ j 2 ] − f [ j 1 ] 2f[i] \geq \frac{dp[j_2]+g[j_2] - (dp[j_1]+g[j_1])}{f[j_2]-f[j_1]} 2f[i]≥f[j2]−f[j1]dp[j2]+g[j2]−(dp[j1]+g[j1])
如果满足上述不等式,等 j 2 j_2 j2好于 j 1 j_1 j1,因此我们可以进行斜率优化
#include <iostream>
#include <cstdlib>
#include <cstdio>
#include <algorithm>
using namespace std;
const long long MAXN = 50050;
long long N, L, dp[MAXN], sum[MAXN], f[MAXN], g[MAXN], h, t, Q[MAXN];
inline double xie(long long j1, long long j2){
return (double) (dp[j2] + g[j2] - dp[j1] - g[j1]) / (f[j2] - f[j1]);
}
int main(){
scanf("%lld%lld",&N,&L);
for(long long i = 1; i <= N; i++){
scanf("%lld",&sum[i]);
sum[i] += sum[i - 1];
f[i] = sum[i] + i;
g[i] = (f[i] + L + 1) * (f[i] + L + 1);
}
g[0] = (L + 1) * (L + 1); //important!!!
for(long long i = 1; i <= N; i++){
while(h < t && xie(Q[h], Q[h + 1]) <= 2 * f[i]) h++;
dp[i] = dp[Q[h]] + (f[i] - f[Q[h]] - L - 1) * (f[i] - f[Q[h]] - L - 1);
while(h < t && xie(Q[t], i) < xie(Q[t - 1], Q[t])) t--;
Q[++t] = i;
}
printf("%lld\n", dp[N]);
return 0;
}