bzoj1010——斜率优化DP

Description

  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的N件玩具,第i件玩具经过
压缩后变成一维长度为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+Sigma(Ck) i<=K<=j 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.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.

Input

  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

Output

  输出最小费用

Sample Input

5 4

3

4

2

1

4
Sample Output

1


这道题是一道DP题,应该是十分显而易见的,而且状态转移方程也十分的容易想到,即
f[i]=max(f[j]+(sum[i]-sum[j]+i-j-1-l)²)  [0<=j<i]
//sum为前缀和数组
但是数据范围有50000,如果直接用N²的DP会超时,所以我们需要进行优化。
我们设s[i]=sum[i]+i,则
//设j为某一时刻最优值
f[i]=f[j]+(s[i]-s[j]-l-1)²;
//我们先令l++,则
f[i]=f[j]+(s[i]-s[j]-l)²;
f[i]=f[j]+s[i]²+(s[j]+l)²-2*s[i]*(s[j]+l);
f[i]+2*s[i]*(s[j]+l)=f[j]+s[i]²+(s[j]+l)²
//  b +  k * x  =  y;
//所以我们发现f[i]是函数截距b,k为2*s[i],y为f[j]+s[i]²+(s[j]+l)²,x为(s[j]+l)。
//对于j点的坐标(s[j]+l,f[j]+s[i]²+(s[j]+l)²)。
//所以我们只需要求出最小截距b,就可以求出最小f[i],也就是答案  
首先确定直线斜率的变化特点。由于k=s[i]*2所以我们获得两个重要信息,即k>0并且k随i单调递增。
所以我们可以维护一个下凸包,而单调队列可以正好维护这个凸包。(可能讲到这里还是十分懵懂,所以我们画一张图来帮助理解)

这里写图片描述

我们维护了黑边的一个凸包,现在我们新来了一个点i,它的斜率直线就是蓝线(k),我们发现最下面的边(也就是下面被红叉叉删掉的边)斜率小于k,所以一最下面的边维护处的b值一定小于蓝边的k值,所以最下面的边已经没有任何意义了,可以直接删去。
我们再考虑上面的边,如果一条边的斜率大于点i与该点相连线(绿色的线)的斜率,那么这条边就没有意义了(它维护的b值肯定小于绿线的值,所以可以删去)。
这样我们就可以用单调队列维护,删去这些点后,将i放到队头,继续维护下一个值。
关于斜率优化DP,有位DALAO写的非常好
#include<bits/stdc++.h>
#define ll long long
using namespace std;
ll read(){
    char c;ll x;while(c=getchar(),c<'0'||c>'9');x=c-'0';
    while(c=getchar(),c>='0'&&c<='9') x=x*10+c-'0';return x;
}
ll sum[50006],s[50006],f[50006],q[50006],w,r,l,n;
double sqr(double x){return x*x;}
double xx(ll i){return s[i];}
double yy(ll i){return f[i]+(s[i]+l-1)*(s[i]+l-1);}
double k(ll i,ll j){return (yy(j)-yy(i))/(xx(j)-xx(i));}
int main()
{
    n=read();l=read();l++;
    for(ll i=1;i<=n;i++){
        ll x=read();
        sum[i]=sum[i-1]+x;
        s[i]=sum[i]+i;
        f[i]=1e18;
    }
    w=r=0;
    for(ll i=1;i<=n;i++){
        while(r<w&&k(q[r],q[r+1])<s[i]*2) r++;
        f[i]=f[q[r]]+sqr(s[i]-s[q[r]]-l);
        //f[i]=f[j]+(s[i]-s[j]-L)*(s[i]-s[j]-L);
        while(r<w&&k(q[w-1],q[w])>k(q[w],i)) w--;
        q[++w]=i;
    }
    printf("%lld",f[n]);
    return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: bzoj[1597][usaco2008 mar]土地购买 斜率优化 这道题是一道经典的斜率优化题目,需要用到单调队列的思想。 首先,我们可以将题目中的式子进行变形,得到: f[i] = f[j] + (sum[i] - sum[j] - m) ^ 2 + k 其中,sum[i] 表示前缀和,m 和 k 都是常数。 我们可以将式子中的 sum[i] 和 k 看作常数,那么我们需要优化的就是 (sum[i] - sum[j] - m) ^ 2 这一项。 我们可以将其展开,得到: (sum[i] - sum[j] - m) ^ 2 = sum[i] ^ 2 - 2 * sum[i] * (sum[j] + m) + (sum[j] + m) ^ 2 我们可以将其看作一个二次函数,其中 a = 1,b = -2 * (sum[j] + m),c = (sum[j] + m) ^ 2。 我们可以发现,当 j < k 时,如果 f[j] + a * sum[j] + b * sum[j] <= f[k] + a * sum[k] + b * sum[k],那么 j 就不可能是最优决策点,因为 k 比 j 更优。 因此,我们可以用单调队列来维护决策点。具体来说,我们可以维护一个单调递增的队列 q,其中 q[i] 表示第 i 个决策点的下标。每次加入一个新的决策点 i 时,我们可以将队列尾部的决策点 j 弹出,直到队列为空或者 f[j] + a * sum[j] + b * sum[j] <= f[i] + a * sum[i] + b * sum[i]。然后,我们将 i 加入队列尾部。 最后,队列头部的决策点就是最优决策点。我们可以用类似于双指针的方法来维护队列头部的决策点是否在当前区间内,如果不在,就弹出队列头部。 时间复杂度为 O(n)。 ### 回答2: 这道题目属于斜率优化的经典题目,难度较高,需要掌握一定的数学知识。 首先,我们可以将题目中的“最大利润”转化为“最小成本”,这样问题就变成了找到一个方案,使得购买土地的成本最小。 接着,我们考虑如何用斜率优化来解决这个问题。我们可以定义一个函数f(i),表示前i块土地的最小成本。 显然,f(1)=0,因为不需要购买任何土地。 对于f(i),它可以由f(j)+b(i)×a(j+1)得到,其中j<i,a(j+1)表示第j+1块土地的面积,b(i)表示第i块土地的价格。这个式子的含义是,我们现在要购买第i块土地,那么前面的土地(即前j块)就都要买,所以f(j)表示前j块土地的最小成本,b(i)×a(j+1)表示购买第i块土地的成本。 那么,我们可以得到递推公式: f(i)=min{f(j)+b(i)×a(j+1)},其中j<i。 这个公式看起来很简单,但是要注意的是,当b(i)×a(j+1)的斜率相同时,我们需要取其中面积较小的土地,因为它的价格更低。因此,我们需要对斜率进行排序,并在递推中用单调队列维护斜率相等的情况下面积最小的土地。 最终,f(n)就是题目所求的最小成本。 总之,这道题目需要深入理解斜率优化算法的原理和实现方式,并且需要注意细节处理,如果能够顺利地解决这个问题,那么对于斜率优化算法的掌握程度就有了很大的提升。 ### 回答3: 土地购买问题可以采用斜率优化算法来解决。这个问题可以转化为一个单调队列的问题。 首先,我们需要对土地价格按照边长从小到大排序。然后,对于每块土地,我们需要求出它的贡献。设 $f_i$ 表示前 $i$ 块土地连续的最小代价。 设当前处理到第 $i$ 块土地,已经求出了前 $j$ 块土地的最小代价 $f_j$。那么我们可以得到下面这个式子: $$ f_i=\min\limits_{j=1}^{i-1}\{f_j+(S_i-S_j)^2+P\} $$ 式子中,$S_i$ 表示前 $i$ 块土地的边长和,$P$ 表示额外购买土地的代价。首先,不考虑额外购买土地,我们可以使用动态规划来求出 $f_i$。但是,考虑到额外购买土地的代价 $P$ 是一个固定值,我们可以考虑将它与某一块土地的代价合并起来,这样就可以使用斜率优化技术来优化动态规划算法。 我们定义一个决策点 $j$,表示我们当前要处理第 $i$ 块土地时,已经处理过 $j$ 块土地,并将第 $j+1$ 块土地到第 $i$ 块土地购买,所需的最小代价。我们假设 $S_i>S_j$,则可以得到下面这个式子: $$ f_i=\min\limits_{j=1}^{i-1}\{f_j+(S_i-S_j)^2+P\} $$ 将它整理成斜率截距式可以得到: $$ y=kx+b $$ 其中 $k=(S_j)^2-2S_iS_j$,$b=f_j+(S_i)^2+P-S_j^2$,$x=S_j$,$y=f_j+(S_j-S_i)^2-S_j^2$。我们发现 $k$ 是一个单调递减的函数,因此我们可以使用一个单调队列来维护所有可能成为决策点的点。对于每个点,我们计算函数 $y$ 的值并将它们加入队列,然后取队头元素的值作为 $f_i$。 综上所述,我们可以使用斜率优化技术来解决土地购买问题,时间复杂度为 $O(n)$。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值