bzoj1010 [HNOI2008]玩具装箱toy(斜率优化DP)

【关键字】:

dp,凸包,斜率优化。

【理解】:

这个题网上普遍归类斜率dp,斜率dp这个名词不是很理解。

其关键用处是,结合凸包的性质,用斜率的大小比较,类似贪心,得到最优解。

把本来需要两层循环才能实现的状态更新dp,变成一层循环+一层队列维护的状态。

主要作用还是优化了时间复杂度。

下面直接结合bzoj的1010题总结一下这种解题方法

【bzoj1010】:

1010: [HNOI2008]玩具装箱toy

Time Limit: 1 Sec  Memory Limit: 162 MB
Submit: 11398  Solved: 4806
[Submit][Status][Discuss]

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

【分析】:

这个题用动态规划解法容易想到。

用dp[i]表示前i项的最优解,则状态更新:

dp[i] = min { dp[j] + (sum[i]-sum[j]+i-j-1 -L)^2 };——1

每次更新dp[i],需要找到一个最优的状态 j(j<i)

时间复杂度为O( n*n ),显然这个题的数据量不允许这个复杂度


我们将方程1简化一下,不妨设s[k] = sum[k] + k ;

dp[i] = min { dp[j] + (s[i]-s[j]-1 -L)^2 }; 

不妨设M=dp[j] + (s[i]-s[j]-1 -L)^2

我们将方程展开得

M = dp[j] + s[i]^2 + s[j]^2 - 2*s[i]s[j] +(L+1)^2 +2(L+1)s[j] -2(L+1)s[i];

移项得

dp[j] + s[j]^2 = 2(s[i]-1-L)*s[j] + M -( s[i]^2 + (L+1)^2 - 2(L+1)s[i] );

令y = dp[j] + s[j]^2

令x = s[j]

令k = 2(s[i]-1-L)

令m=M -( s[i]^2 + (L+1)^2 - 2(L+1)s[i] )

则得

y = kx + m

这就是一个一次函数,对于某一个状态i来说,斜率k是一定的,纵截距跟M有关。

这样每一个玩具j都可以看做一个点(x,y);

我们希望M值越小越好,所以只能要求点(x,y)越靠下越好,如图:


在状态i时,对前面的状态j进行选择时,选择的点应该使得M获得最小值

由此,凸包登场。

其实就是对前面的状态点进行凸包,然后扫描凸包点选点。而且选中的点的前面的所有点可以删除了,因为i越往后,斜率k越大,根本选不中他们了。

凸包部分套模板

状态选择时应该用M的表达式计算花费。

【代码】:

#include <stdio.h>
typedef long long ll;
ll c[60010],s[60010],dp[60100],q[60010],N,L,top;
ll across(int p,int t,int i)//根据序号所具有的坐标(Sj,dp[j]+Sj^2)比较斜率 
{
	ll x1=s[t]-s[p];
	ll y1=dp[t]+s[t]*s[t]-(dp[p]+s[p]*s[p]);
	ll x2=s[i]-s[p];
	ll y2=dp[i]+s[i]*s[i]-(dp[p]+s[p]*s[p]);
	return x1*y2 - x2*y1;
}
ll cost(int j,int i)//给出j(最优),得出状态i的最小费用
{
	return dp[j]+(s[i]-s[j]-1-L)*(s[i]-s[j]-1-L);
}
int main()
{
	scanf("%lld%lld",&N,&L);
	q[0]=dp[0]=s[0]=0;
	for(int i=1;i<=N;i++)
	{
		scanf("%lld",c+i);
		s[i]=s[i-1]+c[i]+1;//s[i]表示sum[i]+i 
	}
	int top=0,tail=0;//模拟队列
	for(int i=1;i<=N;i++)
	{
		while(tail<top&&cost(q[tail],i)>cost(q[tail+1],i))tail++;
		dp[i]=cost(q[tail],i);
		while(top>tail&&across(q[top-1],q[top],i)<=0)top--;
		q[++top]=i;
	}
	printf("%lld\n",dp[N]);
}


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
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

打赏作者

雪的期许

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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