当前位置: 代码迷 >> 综合 >> 【算法入门】动态规划·斜率优化:[HNOI2008]玩具装箱
  详细解决方案

【算法入门】动态规划·斜率优化:[HNOI2008]玩具装箱

热度:63   发布时间:2023-12-17 11:43:01.0

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.

Solution

如果考虑 O ( n 2 ) O(n^2) O(n2)的算法,设f[i]为前i件玩具压缩后形成的最小费用。

则根据分段的规则,对于每一个 f [ i ] f[i] f[i]枚举上一个分段的临街点j,可以得出状态转移方程:

f [ i ] = m i n ( f [ j ] + ( i ? j ? 1 + s u m [ i ] ? s u m [ j ] ? L ) 2 ) f[i]=min(f[j]+(i-j-1+sum[i]-sum[j]-L)^2) f[i]=min(f[j]+(i?j?1+sum[i]?sum[j]?L)2)

为了方便地求出区间和,我们使用前缀和,其中 s u m [ i ] = ∑ j = 1 i a [ j ] sum[i]=\sum_{j=1}^{i} a[j] sum[i]=j=1i?a[j]

显然,这样的复杂度是不可取的,我们应该考虑对转移进行优化。

我们观察到方程较为复杂,需要考虑化简:

a ( i ) = i + s u m [ i ] , b ( i ) = i + s u m [ i ] + 1 + L a(i)=i+sum[i],b(i)=i+sum[i]+1+L a(i)=i+sum[i],b(i)=i&