[CEOI2004]锯木厂选址

题面描述

传送门

思路

状态转移方程

t o t tot tot为所有树都运到山下锯木厂的费用, d i s dis dis为到山下锯木厂的距离, s s s为树的重量前缀和。

F i = min ⁡ ( t o t − d i s j ∗ s j − d i s i ∗ ( s i − s j ) ) ( j &lt; i ) F_i=\min(tot-dis_j*s_j-dis_i*(s_i-s_j))(j&lt;i) Fi=min(totdisjsjdisi(sisj))(j<i)

不难理解, [ 1 , j ] [1,j] [1,j]的木头运到 j j j处锯木厂, [ j + 1 , i ] [j+1,i] [j+1,i]运到 i i i处锯木厂,剩余的运往山下锯木厂。

决策单调性

t o t − d i s j ∗ s j − d i s i ∗ ( s i − s j ) &gt; t o t − d i s k ∗ s k − d i s i ∗ ( s i − s k ) ( j &lt; k &lt; i ) tot-dis_j*s_j-dis_i*(s_i-s_j)&gt;tot-dis_k*s_k-dis_i*(s_i-s_k)(j&lt;k&lt;i) totdisjsjdisi(sisj)>totdiskskdisi(sisk)(j<k<i)

化简

− d i s j ∗ s j + d i s i ∗ s j &gt; − d i s k ∗ s k + d i s i ∗ s k -dis_j*s_j+dis_i*s_j&gt;-dis_k*s_k+dis_i*s_k disjsj+disisj>disksk+disisk

在未来状态 t t t,证明:

− d i s j ∗ s j + d i s t ∗ s j &gt; − d i s k ∗ s k + d i s t ∗ s k -dis_j*s_j+dis_t*s_j&gt;-dis_k*s_k+dis_t*s_k disjsj+distsj>disksk+distsk

d i s t = d i s i + v a l ( v a l &lt; 0 ) dis_t=dis_i+val(val&lt;0) dist=disi+val(val<0)

− d i s j ∗ s j + ( d i s i + v a l ) ∗ s j &gt; − d i s k ∗ s k + ( d i s i + v a l ) ∗ s k -dis_j*s_j+(dis_i+val)*s_j&gt;-dis_k*s_k+(dis_i+val)*s_k disjsj+(disi+val)sj>disksk+(disi+val)sk

仅需证明:

v a l ∗ s j &gt; v a l ∗ s k val*s_j&gt;val*s_k valsj>valsk

s j &lt; s k s_j&lt;s_k sj<sk

证毕。

踢队头

− d i s j ∗ s j + d i s i ∗ s j &gt; − d i s k ∗ s k + d i s i ∗ s k -dis_j*s_j+dis_i*s_j&gt;-dis_k*s_k+dis_i*s_k disjsj+disisj>disksk+disisk

d i s j ∗ s j − d i s k ∗ s k &lt; d i s i ∗ s j − d i s i ∗ s k dis_j*s_j-dis_k*s_k&lt;dis_i*s_j-dis_i*s_k disjsjdisksk<disisjdisisk

c a l c ( j , k ) = d i s j ∗ s j − d i s k ∗ s k s j − s k &gt; d i s i calc(j,k)=\frac{dis_j*s_j-dis_k*s_k}{s_j-s_k}&gt;dis_i calc(j,k)=sjskdisjsjdisksk>disi

k k k优于 j j j

c a l c ( q h e a d , q h e a d + 1 ) &gt; d i s i calc(q_{head},q_{head+1})&gt;dis_i calc(qhead,qhead+1)>disi

q h e a d + 1 q_{head+1} qhead+1优于 q h e a d q_{head} qhead,踢去 h e a d head head

维护一个 c a l c ( q h e a d , q h e a d + 1 ) &lt; d i s i calc(q_{head},q_{head+1})&lt;dis_i calc(qhead,qhead+1)<disi队列

同时我们可以发现, d i s i dis_i disi i i i增大而减小,那么 c a l c ( q h e a d , q h e a d + 1 ) calc(q_{head},q_{head+1}) calc(qhead,qhead+1) d i s i dis_i disi的减小, h e a d head head不断增大,而不断减小。

因此,队列维护的应该是一个上凸壳。

踢队尾

由于维护一个上凸壳,

所以

c a l c ( q t a i l − 1 , q t a i l ) &gt; c a l c ( q t a i l , i ) calc(q_{tail-1},q_{tail})&gt;calc(q_{tail},i) calc(qtail1,qtail)>calc(qtail,i)

反之,

c a l c ( q t a i l − 1 , q t a i l ) ≤ c a l c ( q t a i l , i ) calc(q_{tail-1},q_{tail})\le calc(q_{tail},i) calc(qtail1,qtail)calc(qtail,i)

踢去队尾。

AC code

#include<cstdio>
#include<algorithm>
#include<cstdlib>
#include<cstring>
#include<cmath>
#define ll long long 
#define gc getchar()
using namespace std;
const int N=2e4+10;
inline void qr(ll &x)
{
	x=0;int f=1;char c=gc;
	while(c<'0'||c>'9'){if(c=='-')f=-1;c=gc;}
	while(c>='0'&&c<='9'){x=x*10+(c^48);c=gc;}
	x*=f;
}
inline void qw(ll x)
{
	if(x<0)x=-x,putchar('-');
	if(x/10)qw(x/10);
	putchar(x%10+48);
}
ll dis[N],s[N],tot,f[N];
int q[N],l,r;
inline double calc(int j,int k)
{
	return (double)(dis[j]*s[j]-dis[k]*s[k])/(s[j]-s[k]);
}
int main()
{
	int n;scanf("%d",&n);ll tot=0;
	for(int i=1;i<=n;i++)qr(s[i]),qr(dis[i]),s[i]+=s[i-1],tot+=s[i]*dis[i];
	for(int i=n;i>=1;i--)dis[i]+=dis[i+1];
	l=1;r=1;q[1]=0;ll ans=1e10;
	for(int i=1;i<=n;i++)
	{
		while(l<r&&calc(q[l],q[l+1])>=dis[i])++l;
		ans=min(ans,tot-dis[q[l]]*s[q[l]]-dis[i]*(s[i]-s[q[l]]));
		while(l<r&&calc(q[r],i)>=calc(q[r-1],q[r]))--r;
		q[++r]=i;
	}
	qw(ans);puts("");
	return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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