CSU 1963 Feed the rabbit(斜率优化dp)
http://acm.csu.edu.cn/csuoj/problemset/problem?pid=1963
题意:
有m个坑,每只兔子会在ti时刻回到坑中,现在有n个人,每个人都可以从任意时间(<0也可以)从第一个坑出发,速度为1,如果路过的坑中有兔子,就给它喂食物,每只兔子喂一次即可,计算所有兔子等待时间的最短之和。
思路:
对于第i只兔子,如果有个人在y时间正好经过喂了它,那么那个人出发的时间为y-x。现在现计算出每只兔子的y-x值,记为t【】,并排好序。sum【】表示前i只兔子的y-x值。
接下来就是动态转移了,d【i】【j】表示第i个人正好经过第j只兔子时的最小等待时间。
那么状态转移方程就是
d[i][j]=min(d[i][j],d[i-][k]+(j-k)*t[j]-(sum[j]-sum[k]))
解释一下这个方程的意思:d【i-1】【k】表示上一个人正好经过第k只兔子时的最小等待时间,那么j~k之间的兔子肯定是要轮到第i个人来喂了,因为第i个人的出发时间更晚一些,所以j~k这些兔子肯定是要等待的,等待的时间就是
,也就是上式的(j-k)*t[j]-(sum[j]-sum[k])。
理解了这个之后,接下来就是斜率优化dp的应用了,这样的状态转移方程也容易让人想到斜率优化dp。
设z<k<j,如果k的决策比z的决策更好,那么在上述的状态转移方程中满足
d[i-][k]+(j-k)*t[j]-(sum[j]-sum[k]) < d[i-][z]+(j-z)*t[j]-(sum[j]-sum[z])
整理得到
,那这就是明显的斜率优化dp了。
所谓的斜率优化dp,就是每新插入一个点的时候,需要维护一条下凸的形状,对于会形成上凸的点,我们可以直接删去,因为它肯定不会是最优解。
那么如何维护呢?使用单调队列。
每次依次先检查队首的两个元素,如果满足上式,那么说明队首的第二个值更优,可以删除第一个值,直到第一个值比第二个元素更优。
然后是队尾的检查,如果新插入的点使得队尾的点成为了上凸点,那么就需要删去这个上凸点,直到没有上凸点产生。
#include<iostream>
#include<algorithm>
#include<cstring>
#include<cstdio>
#include<sstream>
#include<vector>
#include<stack>
#include<queue>
#include<cmath>
#include<map>
#include<set>
using namespace std;
typedef long long ll;
typedef pair<int,int> pll;
const int INF = 0x3f3f3f3f;
const int maxn = 1e5+ ; int n, m, p;
ll t[maxn];
ll Q[maxn];
ll sum[maxn];
ll dis[maxn];
ll d[][maxn]; ll dy(int i, int j, int k)
{
return (d[i-][j]+sum[j])-(d[i-][k]+sum[k]);
} ll dx(int j, int k)
{
return j-k;
} int main()
{
//freopen("in.txt","r",stdin);
while(~scanf("%d%d%d",&n, &m, &p))
{
dis[]=;
for(int i=;i<=n;i++)
{
scanf("%I64d",&dis[i]);
dis[i]+=dis[i-];
} for(int i=;i<=m;i++)
{
int x,y;
scanf("%d%d",&x,&y);
t[i]=y-dis[x];
} sort(t+,t+m+);
sum[]=;
for(int i=;i<=m;i++)
sum[i]=sum[i-]+t[i]; for(int i=;i<m;i++)
d[][i]=t[i]*i-sum[i]; for(int i=;i<=p;i++)
{
int frt=, rear=-;
for(int j=;j<=m;j++)
{
while(frt<rear && dy(i,Q[frt+],Q[frt])<t[j]*dx(Q[frt+],Q[frt])) frt++;
while(frt<rear && (dy(i,Q[rear],Q[rear-])*dx(j,Q[rear]))>=(dy(i,j,Q[rear])*dx(Q[rear],Q[rear-])))
rear--;
Q[++rear]=j; int tmp=Q[frt];
d[i][j]=d[i-][tmp]-(tmp-j)*t[j]-(sum[j]-sum[tmp]);
}
}
cout<<d[p][m]<<endl;
}
return ;
}
CSU 1963 Feed the rabbit(斜率优化dp)的更多相关文章
- bzoj-4518 4518: [Sdoi2016]征途(斜率优化dp)
题目链接: 4518: [Sdoi2016]征途 Description Pine开始了从S地到T地的征途. 从S地到T地的路可以划分成n段,相邻两段路的分界点设有休息站. Pine计划用m天到达T地 ...
- bzoj-1096 1096: [ZJOI2007]仓库建设(斜率优化dp)
题目链接: 1096: [ZJOI2007]仓库建设 Description L公司有N个工厂,由高到底分布在一座山上.如图所示,工厂1在山顶,工厂N在山脚.由于这座山处于高原内陆地区(干燥少雨),L ...
- [BZOJ3156]防御准备(斜率优化DP)
题目:http://www.lydsy.com:808/JudgeOnline/problem.php?id=3156 分析: 简单的斜率优化DP
- 【BZOJ-1096】仓库建设 斜率优化DP
1096: [ZJOI2007]仓库建设 Time Limit: 10 Sec Memory Limit: 162 MBSubmit: 3719 Solved: 1633[Submit][Stat ...
- BZOJ 1010: [HNOI2008]玩具装箱toy 斜率优化DP
1010: [HNOI2008]玩具装箱toy 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 ...
- BZOJ 3156: 防御准备 斜率优化DP
3156: 防御准备 Description Input 第一行为一个整数N表示战线的总长度. 第二行N个整数,第i个整数表示在位置i放置守卫塔的花费Ai. Output 共一个整数,表示最小的战 ...
- HDU2829 Lawrence(斜率优化dp)
学了模板题之后上网搜下斜率优化dp的题目,然后就看到这道题,知道是斜率dp之后有思路就可以自己做不出来,要是不事先知道的话那就说不定了. 题意:给你n个数,一开始n个数相邻的数之间是被东西连着的,对于 ...
- HDU3507 Print Article(斜率优化dp)
前几天做多校,知道了这世界上存在dp的优化这样的说法,了解了四边形优化dp,所以今天顺带做一道典型的斜率优化,在百度打斜率优化dp,首先弹出来的就是下面这个网址:http://www.cnblogs. ...
- HDU 3507 Print Article(斜率优化DP)
题目链接 题意 : 一篇文章有n个单词,如果每行打印k个单词,那这行的花费是,问你怎么安排能够得到最小花费,输出最小花费. 思路 : 一开始想的简单了以为是背包,后来才知道是斜率优化DP,然后看了网上 ...
随机推荐
- iOS - 初学iPad开发入门
iPad是一款苹果公司于2010年发布的平板电脑定位介于苹果的智能手机iPhone和笔记本电脑MacBook产品之间跟iPhone一样,搭载的是iOS操作系统 iPhone和iPad开发的区别 屏幕的 ...
- spring boot application.properties基本配置
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver spring.datasource.url=jdbc:mysql://loca ...
- 问答项目---用户注册的那些事儿(PHP验证)
JS 验证之后,还需要通过PHP验证: 提交过来的名称不一样,可以用字段映射: 在自动验证的时候,如果这个字段被映射,那么自动验证的时候,自动验证的就是 映射过后的字段: 控制器示例: //注册表单处 ...
- 封装自己的getClassName函数
<!doctype html> <html lang="en"> <head> <meta charset="UTF-8&quo ...
- opencv学习笔记——minMaxIdx函数的含义及用法
opencv中有时需要对Mat数据需要对其中的数据求取最大值和最小值.opencv提供了直接的函数 CV_EXPORTS_W void minMaxLoc(InputArray src, CV_OUT ...
- CRM - 权限
一.引入权限组件 引入权限组件 rbac settings: 'rbac.apps.RbacConfig', 中间件: 'rbac.service.rbac.ValidPermission', 员工表 ...
- 内核通信之Netlink源码分析-用户内核通信原理3
2017-07-06 上节主讲了用户层通过netlink和内核交互的详细过程,本节分析下用户层接收数据的过程…… 有了之前基础知识的介绍,用户层接收数据只涉及到一个核心调用readmsg(), 其他的 ...
- 【Maven学习】Nexus OSS私服仓库的备份与迁移
背景 在上一篇博客 [Maven学习]Nexus OSS私服仓库的安装和配置 中,我们已经在机房搭建好了新的Nexus OSS私服仓库.下面是两个版本的Nexus OSS私服仓库的对比图. 老的Nex ...
- AOP切点表达式
Aspectj切入点语法定义 在使用spring框架配置AOP的时候,不管是通过XML配置文件还是注解的方式都需要定义pointcut"切入点" 例如定义切入点表达式 execu ...
- 003-and design-在create-react-app项目中使用antd
一.概述 create-react-app 是业界最优秀的 React 应用开发工具之一,本文会尝试在 create-react-app 创建的工程中使用 antd 组件,并自定义 webpack 的 ...