皓首不倦 不负少年

from collections import deque N, M, P = map(int, input().split()) dis = [0, 0] + list(map(int, input().split())) for i in range(1, len(dis)): dis[i] += dis[i-1] A = [] for i in range(M): h, t = map(int, input().split()) A.append(t - dis[h]).

问题根上一篇的任务安排2 差不多，唯一区别就是直线的斜率可正可负，因此上一个问题中，最后从队列头删除斜率小的元素的操作就不能有了，然后Sc序列里面可能出现连续的相同的值，注意下除以0的操作特殊处理下即可，时间复杂度O(NLogN)，凸包优化思路是跟任务安排2 这个题目没差的，总的讲凸包优化这个思路还是比较难想到的 ''' dp 转移思想 dp(i)表示前i个任务所有分组方案中，总开销的最小值 按照最后一组的情况来划分集合，也就是倒数第二组的最后一个任务的编号，假设这个编号是j 注意有个巧妙的转化.

这个题目数据量比较大，还是平方级DP肯定TLE没跑，所以采用凸包优化的方式压缩时间复杂度，凸包优化思路有点绕，梳理半天记录一下自己的分析笔记 凸包点序列中查找和直线的切点的方法 最后是Python 代码 from collections import deque N = int(input()) S = int(input()) St = [0] * N Sc = [0] * N for i in range(N): St[i], Sc[i] = map(int, input()

比较朴素的思维，二维动态规划，时间复杂度平方级，凸包优化的思路下一篇博客再降，先粘贴个朴素思路代码 ''' dp 转移思想 dp(i)表示前i个任务所有分组方案中，总开销的最小值 按照最后一组的情况来划分集合，也就是倒数第二组的最后一个任务的编号，假设这个编号是j 注意有个巧妙的转化，在算每一组开始启动的时间S带来的开销时候，对这个组后面的所有任务 的带来的开销的增加量全部累加到当前这一组任务上，这样处理每一组任务时候，就可以排除 掉前面的组对当前组的开销的影响, dp(i)是已经包含了前i个元素所有