CCF - 201612-4 - 压缩编码

问题描述

试题编号：	201612-4
试题名称：	压缩编码
时间限制：	3.0s
内存限制：	256.0MB
问题描述：	问题描述 　　给定一段文字，已知单词a1, a2, …, an出现的频率分别t1, t2, …, tn。可以用01串给这些单词编码，即将每个单词与一个01串对应，使得任何一个单词的编码（对应的01串）不是另一个单词编码的前缀，这种编码称为前缀码。 　　使用前缀码编码一段文字是指将这段文字中的每个单词依次对应到其编码。一段文字经过前缀编码后的长度为： 　　L=a1的编码长度×t1+a2的编码长度×t2+…+ an的编码长度×tn。 　　定义一个前缀编码为字典序编码，指对于1 ≤ i < n，ai的编码（对应的01串）的字典序在ai+1编码之前，即a1, a2, …, an的编码是按字典序升序排列的。 　　例如，文字E A E C D E B C C E C B D B E中， 5个单词A、B、C、D、E出现的频率分别为1, 3, 4, 2, 5，则一种可行的编码方案是A:000, B:001, C:01, D:10, E:11，对应的编码后的01串为1100011011011001010111010011000111，对应的长度L为3×1+3×3+2×4+2×2+2×5=34。 　　在这个例子中，如果使用哈夫曼(Huffman)编码，对应的编码方案是A:000, B:01, C:10, D:001, E:11，虽然最终文字编码后的总长度只有33，但是这个编码不满足字典序编码的性质，比如C的编码的字典序不在D的编码之前。 　　在这个例子中，有些人可能会想的另一个字典序编码是A:000, B:001, C:010, D:011, E:1，编码后的文字长度为35。 　　请找出一个字典序编码，使得文字经过编码后的长度L最小。在输出时，你只需要输出最小的长度L，而不需要输出具体的方案。在上面的例子中，最小的长度L为34。 输入格式 　　输入的第一行包含一个整数n，表示单词的数量。 　　第二行包含n个整数，用空格分隔，分别表示a1, a2, …, an出现的频率，即t1, t2, …, tn。请注意a1, a2, …, an具体是什么单词并不影响本题的解，所以没有输入a1, a2, …, an。 输出格式 　　输出一个整数，表示文字经过编码后的长度L的最小值。 样例输入 5 1 3 4 2 5 样例输出 34 样例说明 　　这个样例就是问题描述中的例子。如果你得到了35，说明你算得有问题，请自行检查自己的算法而不要怀疑是样例输出写错了。 评测用例规模与约定 　　对于30%的评测用例，1 ≤ n ≤ 10，1 ≤ ti ≤ 20； 　　对于60%的评测用例，1 ≤ n ≤ 100，1 ≤ ti ≤ 100； 　　对于100%的评测用例，1 ≤ n ≤ 1000，1 ≤ ti ≤ 10000。

思路

问题有个前提：每个字符的编码按照字典序排列后的顺序与原先顺序一样。所以我们无法像哈弗曼编码一样每次取出权值最小的两个节点，而只能选择相邻的节点，至于到底选择哪两个相邻节点，这便是石子合并问题。

石子合并问题
石子合并问题是最经典的DP问题。首先它有如下3种题型：

(1)有N堆石子，现要将石子有序的合并成一堆，规定如下：每次只能移动任意的2堆石子合并，合并花费为新合成的一堆石子的数量。求将这N堆石子合并成一堆的总花费最小（或最大）。

分析：这是最简单的情况，合并的是任意两堆，直接贪心即可，每次选择最小的两堆合并。本问题实际上就是哈夫曼的变形。

(2)有N堆石子，现要将石子有序的合并成一堆，规定如下：每次只能移动相邻的2堆石子合并，合并花费为新合成的一堆石子的数量。求将这N堆石子合并成一堆的总花费最小（或最大）。

分析：我们熟悉矩阵连乘，知道矩阵连乘也是每次合并相邻的两个矩阵，那么石子合并可以用矩阵连乘的方式来解决。

　　　设dp[i][j]表示第i到第j堆石子合并的最优值，sum[i][j]表示第i到第j堆石子的总数量。那么就有状态转移公式：

　　　

(3)问题(2)的是在石子排列是直线情况下的解法，问题（3）中N堆石子为环形排列。

分析：状态转移方程为：

　　　

　　　其中有：

　　　

此题等同于石子合并问题（2）：其编码后字符的长度等于(每个字符出现的频数 * 字符在二叉树中的层数)之和，而层数即该字符被合并的次数。

　　　　　　　　　　　　　　  字    符 ----> 石子堆
　　　　　　　　　　　　　　　频    数 ----> 石头数量
　　　　　　　　　　　　　　　子树合并 ----> 石子堆合并
　　　　　　　　　　　　　　　编码长度 ----> 每个石头堆的石子数 x 被合并的次数之和

  比如：

    

　　左边：

字符	编码
A	0000
B	0001
C	001
D	01
E	1
总长	1x4+3x4+4x3+2x2+5x1=37

       右边：

字符	编码
A	0
B	100
C	101
D	110
E	111
总长	1x1+3x3+4x3+2x3+5x3=43

      此时算法复杂为O(n^3)，这里可以利用平行四边形优化降为O(n^2)：

　  由上面的方程式可知我们每次求dp[i][j]的关键是找到合适的k值，设p[i][j]为dp[i][j]的这个合适的k值，根据平行四边形规则有以下不等式：p[i][j-1]<=p[i][j]<=p[i+1][j]。

代码

#include<stdio.h>
#include<string.h>
const int inf=0x08080808;
int num[1001],sum[1001],dp[1001][1001],p[1001][1001];
int main()
{
    int n,i,j,l,k;    
    while(scanf("%d",&n)!=EOF)
    {
        for(i=1;i<=n;i++)
            scanf("%d",&num[i]);
        memset(dp,inf,sizeof(dp)); 
        sum[0]=0;
        for(i=1;i<=n;i++)
        {
            sum[i]=sum[i-1]+num[i];
            dp[i][i]=0;
            p[i][i]=i; //K
        }
        for(l=2;l<=n;l++)
        {
            for(i=1;i+l-1<=n;i++)
            {
                j=i+l-1;
                for(k=p[i][j-1];k<=p[i+1][j];k++)
                {
                    int w=dp[i][k]+dp[k+1][j]+sum[j]-sum[i-1];
                    if(w<dp[i][j])
                    {
                        dp[i][j]=w;
                        p[i][j]=k;
                    }
                }
            }
        }
        printf("%d\n",dp[1][n]);
    }
    return 0;
}