xmuoj合并论文idea

描述

话说天下大势，分久必合，合久必分。

又是一年NeurIPS投稿时节，小Q正忙于自己的论文，他从历年的多篇论文中找到了很多的idea，决定把这些idea用一个工作串联起来。有些idea是关于网络结构优化的，有些是关于数据噪声处理的，有的是关于数学公式推导的，还有的是关于超参数的调整，显然这一些idea在论文中应用的部分是有序的。

小Q决定把所有的idea合并成为一个相当完美的工作。

每一次合并，小Q可以把相邻的两个idea合成一个idea（合并完之后的新idea的大小等于两个idea之和），由于这不是简单的线性工作，为了讲述其中的原因和故事，消耗的体力等于两个idea的大小之积。

但是，这样的idea真的有用吗？而你的任务只不过是设计出合并的次序方案，使得耗费的体力最少，并输出这个最小的体力耗费值。小Q知道这应该是会爆long long的，所以他至少希望能对12345取余数。

出题者

秦豪远同学

输入

第一行为一个正整数n，代表idea的数量(2≤n≤800)；

第二行为n个正整数a[i]，代表每个idea的大小(1≤a[i]≤20)；

输出

先将第二个和第三个合并，最后再合并一次，36是最小的答案，请注意使用int64类型

可以证明，每次合并两个相邻加起来最小的idea是一种最优的方案

余数运算规则 (a+b)%p=a%p+b%p，(a*b)%p=a%p*b%p

输入样例 1 

3
6 2 3

输出样例 1

36

贪心算法

import heapq

def min_energy(n, ideas):
    # 使用最小堆来存储idea的大小
    heapq.heapify(ideas)
    
    energy = 0
    
    while len(ideas) > 1:
        # 取出最小的两个idea
        idea1 = heapq.heappop(ideas)
        idea2 = heapq.heappop(ideas)
        
        # 合并idea并计算体力消耗
        combined_idea = idea1 + idea2
        energy += idea1 * idea2
        
        # 将合并后的idea重新放入最小堆中
        heapq.heappush(ideas, combined_idea)
    
    return energy

# 读取输入
n = int(input())
ideas = list(map(int, input().split()))

# 计算最小体力消耗
min_energy_consumption = min_energy(n, ideas)

# 输出结果
print(min_energy_consumption % 12345)