洛谷·任务安排

初见安~这里是传送门：洛谷P2365

题目描述

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个任务被分成若干批，每批包含相邻的若干任务。从时刻0开始，这些任务被分批加工，第i个任务单独完成所需的时间是Ti。在每批任务开始前，机器需要启动时间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Fi。请确定一个分组方案，使得总费用最小。

例如：S=1；T={1,3,4,2,1}；F={3,2,3,3,4}。如果分组方案是{1,2}、{3}、{4,5}，则完成时间分别为{5,5,10,14,14}，费用C={15,10,30,42,56}，总费用就是153。

输入输出格式

输入格式：

第一行是N(1<=N<=5000)。

第二行是S(0<=S<=50)。

下面N行每行有一对数，分别为Ti和Fi，均为不大于100的正整数，表示第i个任务单独完成所需的时间是Ti及其费用系数Fi。

 

输出格式：

一个数，最小的总费用。

输入输出样例

输入样例：

5
1
1 3
3 2
4 3
2 3
1 4

输出样例：

153

 

题解

时间，费用，求最小——很像背包对不对！差不多了。往DP的方向想就对了。

这道题如果我们用贪心的算法的话，会有很多细节要处理，而且代码量相对而言也有点长【关键是还全错】，所以我们就不能考虑了。（我一开始就用的接近于贪心的算法然后样例输出153我输出了154……）

dp 的话代码量其实很短——我们可以看到：时间实在累计的，而每一批的任务所用的费用是所有的系数乘这一批完成时的时间点，都是需要累加的量，所以我们存的时候就累加存：

for(int i=1;i<=n;i++)
{
	scanf("%d%d",&t[i],&f[i]);
	t[i]+=t[i-1];f[i]+=f[i-1];
}

现在来考虑核心代码：如果我们去考虑要怎么分批的话，那就麻烦了——不说你也知道。这就是dp的巧妙之处了——

我们假设，算任务1~i（i<=n）的最小费用时，如果从第j（1<=j<i）个任务开始就分一批，那么之前存的所有数据似乎都要重新来算一遍——因为一直到任务i，时间为t[ i ]，如果只到任务j，那么j~i的费用就不需要那么多了，而且还要加上开机时间。所以我们对前面的数据不能更改，而是适当利用。为了方便，我们就每次都重新算一次就好了。

 

dp时的两种方案：

1.不变

2.从任务j开始分批，则：

 

也就是说：本着dp[ i ]值的改动不影响dp[ j ]的原则，分批的话在这一步操作中是分为了三部分：任务1~j，值就是dp[ j ];任务j~i，就是完成任务i的时间点乘以这一堆任务的费用系数和（乘法分配律）；任务i~n的值会因为j点强行分批而导致不得不多一个开机时间，所以要加上（是加上不是重新算。在dp[ j ]中后面的原情况已经存在了，只需要做一点改动）。也就是以上的三部分了。

 

*注意：

1.后值不影响前值。

2.点j的意思是：添加一个分割点，j以后的自动为一批。当然这里的一批并不一定是说最后分完了就只有3批，在取用dp[ j ]的时候其实就已经可以看出分了很多批了——因为算dp[ j ]的时候同样是这么分出来的。同理。

 

大致就是如此啦——我们现在来看看代码：）

#include<bits/stdc++.h>
#define maxn 50000+5
using namespace std;
int n,s,t[maxn],f[maxn];
int dp[maxn];
int main()
{
	memset(dp,0x3f,sizeof dp); 
	cin>>n>>s;
	for(register int i=1;i<=n;i++)
	{
		cin>>t[i]>>f[i];
		t[i]+=t[i-1];f[i]+=f[i-1];
	}
	
	dp[0]=0;//需要初始化避免输出极大值
	
	for(register int i=1;i<=n;i++)
	{
		for(register int j=0;j<i;j++)
		{
			dp[i]=min(dp[i],dp[j]+t[i]*(f[i]-f[j])+s*(f[n]-f[j]));//前文已详解。
		}
	}
	
	cout<<dp[n]<<endl;
	return 0;
}

 

迎评：）
——End——