论斜率优化dp
1问题
如下图
看到这题,题面很复杂
其实可以转化为如下问题
有
n
n
n个任务,排成一个有序序列,我们要解决这些任务
总费用是每一个任务的完成时间乘以费用系数求和
每个任务之前需要有一个机器启动时间
s
s
s
也就是说,一开始的时间为
0
0
0,做每个任务之前要先费
s
s
s的时间启动机器,做每个任务都需要一定时间,假设在
t
i
ti
ti时刻完成费用系数为
f
i
fi
fi的任务,这个任务的费用为
t
i
×
f
i
ti \times fi
ti×fi
总费用为
∑
t
i
×
f
i
\sum ti\times fi
∑ti×fi
但是呢,我们可以把若干个任务并做一个,费用系数,完成耗时都求和,只是不需要多次启动机器了
这一看就是线性dp问题,
5000
5000
5000的数据范围也可以支持
n
2
n^2
n2算法
2暴力算法-线性dp
状态的设置很简单,设
d
p
i
dp_i
dpi为做完前
i
i
i个任务的最短耗时
怎么转移,首先枚举
d
p
j
dp_j
dpj
d
p
j
dp_j
dpj转移到
d
p
i
dp_i
dpi需要加些什么?
首先,加上机器启动时间,我们直接把之后所有的费用系数求和再乘以机器启动时间,这就是无后效性
然后,我们考虑
j
+
1
j+1
j+1到
i
i
i的任务合并,所有耗时求和再乘上费用系数求和
因为之前任务已经花费的时间会算到当前任务上,且启动机器时间已经算过了
我们把
1
−
i
1-i
1−i的所有任务耗时求和乘以费用系数即可
上述内容频繁用到求和,可以使用前缀和优化
这个程序很简单,直接附代码(c++)
#include<bits/stdc++.h>
using namespace std;
int n,s;
int t[114514],c[114514];
long long dp[114514],sumt[114514],sumc[114514];
int main(){
memset(dp,0x3f,sizeof(dp));
dp[0] = 0;
cin>>n>>s;
for(int i = 1;i<=n;i++){
cin>>t[i]>>c[i];
sumt[i] = sumt[i-1]+t[i];
sumc[i] = sumc[i-1]+c[i];
}
for(int i = 1;i<=n;i++){
for(int j = 0;j<i;j++){
dp[i] = min(dp[i],dp[j]+sumc[i]*sumt[i]+s*sumc[n]-sumc[j]*(sumt[i]+s));
}
}
cout<<dp[n];
return 0;
}
你会发现你AC了,算法的复杂度
n
2
n^2
n2,是正确的
但是这是一道蓝题,肯定不止这点
3斜率优化线性dp
我们发现,枚举
i
i
i必然不可避免,但是枚举
j
j
j就多余了
我们如果能像单调队列优化dp那样直接省去枚举该多好
从状态转移方程入手
先观察
d
p
[
i
]
=
d
p
[
j
]
+
s
u
m
c
[
i
]
∗
s
u
m
t
[
i
]
+
s
∗
s
u
m
c
[
n
]
−
s
u
m
c
[
j
]
∗
(
s
u
m
t
[
i
]
+
s
)
dp[i] = dp[j]+sumc[i]*sumt[i]+s*sumc[n]-sumc[j]*(sumt[i]+s)
dp[i]=dp[j]+sumc[i]∗sumt[i]+s∗sumc[n]−sumc[j]∗(sumt[i]+s)
移项得
d
p
[
j
]
=
(
s
u
m
t
[
i
]
+
s
)
∗
s
u
m
c
[
j
]
+
d
p
[
i
]
−
s
u
m
t
[
i
]
∗
s
u
m
c
[
i
]
−
s
∗
s
u
m
c
[
n
]
dp[j] = (sumt[i]+s)*sumc[j]+dp[i]-sumt[i]*sumc[i]-s*sumc[n]
dp[j]=(sumt[i]+s)∗sumc[j]+dp[i]−sumt[i]∗sumc[i]−s∗sumc[n]
很容易发现,
(
s
u
m
t
[
i
]
+
s
)
(sumt[i]+s)
(sumt[i]+s)和
(
d
p
[
i
]
−
s
u
m
t
[
i
]
∗
s
u
m
c
[
i
]
−
s
∗
s
u
m
c
[
n
]
)
(dp[i]-sumt[i]*sumc[i]-s*sumc[n])
(dp[i]−sumt[i]∗sumc[i]−s∗sumc[n])固定,在枚举
j
j
j的时候,变化的只有
d
p
[
j
]
dp[j]
dp[j]和
s
u
m
c
[
j
]
sumc[j]
sumc[j],这不就是一次函数吗,
y
=
k
x
+
b
y = kx+b
y=kx+b,那么,要让dp[i]尽可能小
d
p
[
j
]
dp[j]
dp[j]和
(
s
u
m
t
[
i
]
+
s
)
∗
s
u
m
c
[
j
]
(sumt[i]+s)*sumc[j]
(sumt[i]+s)∗sumc[j]就要尽量接近
我们试着画图
哪个点距离一次函数最近就很明显了
那这有啥用呢
我们可以删去部分点了
用不同斜率的直线尝试求解,删去没有用的点
显然的,一个下凸包,我们动态维护凸包,这样就有了单调性
那么哪个点离直线最近呢,显然是连接两条斜率分别大于和小于当前直线的线段的点
这就可以跑二分了
时间复杂度
n
l
o
g
n
nlogn
nlogn,快了很多
还能再快吗,可以!
我们发现所有费用系数都是正整数,
s
s
s也不变,那么前缀和即
s
u
m
c
sumc
sumc必然单调递增
直线的斜率也自然是单调递增
这就可以用单调队列维护了,斜率单调递增就行
对于新插入的点,肯定是斜率越小越好,这下动态维护下凸包也可以一并解决
斜率的比较最好交叉相乘,避免误差
附代码(c++)
#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
const int N = 300010;
int n,s;
LL c[N],t[N];
LL dp[N];
int q[N];
int main(){
cin>>n>>s;
for(int i = 1;i<=n;i++){
cin>>t[i]>>c[i];
t[i]+=t[i-1];
c[i]+=c[i-1];
}
int hh = 0,tt = 0;
dp[0] = 0;
for(int i = 1;i<=n;i++){
while(hh<tt&&((dp[q[hh+1]])-dp[q[hh]])<=(t[i]+s)*(c[q[hh+1]]-c[q[hh]])){
hh++;
}
int j = q[hh];
dp[i] = dp[j]-(t[i]+s)*c[j]+t[i]*c[i]+s*c[n];
while(hh<tt&&((dp[q[tt]])-dp[q[tt-1]])*(c[i]-c[q[tt]])>=(dp[i]-dp[q[tt]])*(c[q[tt]]-c[q[tt-1]])){
tt--;
}
q[++tt] = i;
}
cout<<dp[n];
return 0;
}
4后记
斜率优化代表着本蒟蒻动态规划系列作品的结束
之后还会有插头dp,四边形不等式等内容
不过我太蒻了暂时学不会
本文作者是蒟蒻,如有错误请各位神犇指点
森林古猿出品,必属精品,请认准CSDN森林古猿1