学这个斜率优化dp却找到这个真心容易出错的题目,其中要从n倒过来到1的确实没有想到,另外斜率优化dp的算法一开始看网上各种大牛博客自以为懂了,最后才发现是错了。

不过觉得看那些博客中都是用文字来描述,还是应该用画图来表示更容易让人明白,不过时间不太够,且网上该题解法到处都是,就不累赘了。

代码才20几行真爽

更为详细的描述参见:

《浅谈数形结合思想在信息学竞赛中的应用》 周源

POJ 1180

稍微加深自己的印象

一般来说,斜率优化是从一些特殊数据的一些类似斜率的性质上找出其单调性。对于普通动态规划方程
例如 poj1180(不考虑反向来讨论)
F[i]=min(F[j]+(s+sumt[i]-sumt[j])*sumf[i]) 
因此我们可以考虑
在i之前
在k<j<i时,考虑使
F[j]+(s+sumt[i]-sumt[j])*sumf[i]<F[k]+(s+sumt[i]-sumf[k])*sumf[i]
化简后可得到
(F[j]-F[k])/(sumt[j]-sumt[k])<sumf[i]
可以类比斜率,如果满足这个条件,那么决策j就比决策k更好,因此我们令
ratio(k,j)=(F[j]-F[k])/(sumt[j]-sumt[k])
当满足ratio(k,j)<sumf[i]则有j好于k
而sumf[i]又是递增的,可以考虑单调队列。
那应该用一个怎样的单调队列来维护最优值呢?
什么值是不需要的?
当ratio(l,k)>ratio(k,j)  (l<k<j)时
如果sumf[i]<ratio(k,j),则这些现在都不会是最优决策
如果ratio(k,j)<sumf[i]<ratio(l,k),则j优于k,l优于k
如果ratio(l,k)<sumf[i],则j最优
因此可以看出k是不需要的
因此可以将k节点删去,最后得到的单调队列则有保证ratio递增

关于单调队列具体操作:
1.将队列中头部满足ratio(head,head+1)<sumf[i]的所有删去,因为sumf是递增的,故此后永远满足head比head+1差,所以可以删去到ratio(head,head+1)>sumf[i],此时head即最优决策。
2.计算出新的ratio(tail,i)不断从尾部往前删除直到ratio(tail,i)>ratio(tail,tail-1).然后将i插入尾部即可

#include<cstdio>
#define Maxn 10005
int i,n,s,head,tail;
int sumt[Maxn],sumf[Maxn],ans[Maxn],p[Maxn];
inline double rat(int x,int y){
return((double)(ans[x]-ans[y])/(double)(sumt[x]-sumt[y]));
}
int main()
{
scanf("%d%d",&n,&s);
for(i=;i<=n;i++)
scanf("%d%d",&sumt[i],&sumf[i]);
for(i=n;i>=;i--){
sumt[i]+=sumt[i+];
sumf[i]+=sumf[i+];
while(head<tail&&rat(p[head],p[head+])<=sumf[i]) head++;
ans[i]=ans[p[head]]+sumf[i]*(s+sumt[i]-sumt[p[head]]);
while(head<tail&&rat(p[tail-],p[tail])>=rat(p[tail],i)) tail--;
p[++tail]=i;
}
printf("%d\n",ans[]);
return ;
}

Uva 14

本质上就是裸的斜率优化dp的转型

即求出一定条件下,图像上任意两点斜率的最大值。

#include <cstdio>
#include <cmath>
#define eps 1e-13
int ansl,ansr,n,l,d[],sum[];
double ans;
bool equ(double x,double y){
return(fabs(x-y)<eps);
}
inline double ratio(int a,int b){
return((sum[a]-sum[b])*1.0/(a-b));
}
int main()
{
int t;
scanf("%d",&t);
while(t--){
sum[]=;
scanf("%d%d",&n,&l);
for(int i=; i<=n; i++){
scanf("%1d",&sum[i]);
sum[i]+=sum[i-];
}
ans=;
ansl=;ansr=l;//注意初始化,可能出现0000000
int g=,h=;
for(int i=l; i<=n; i++){
while(h>g&&ratio(d[h],i-l)<=ratio(d[h-],d[h]))
h--;
d[++h]=i-l;
while(g<h&&(ratio(d[g],i)<=ratio(d[g+],i)))
g++;
if(ratio(d[g],i)>ans&&!equ(ans,ratio(d[g],i)))
{
ans=ratio(d[g],i);
ansl=d[g]+;
ansr=i;
}
else if(equ(ans,ratio(d[g],i))&&i-d[g]<ansr-ansl+){
ansl=d[g]+;
ansr=i;
}
}
printf("%d %d\n",ansl,ansr);
}
return ;
}
												

斜率优化dp(POJ1180 Uva1451)的更多相关文章

  1. POJ1180 Batch Scheduling -斜率优化DP

    题解 将费用提前计算可以得到状态转移方程: $F_i = \min(F_j + sumT_i * (sumC_i - sumC_j) + S \times (sumC_N - sumC_j)$ 把方程 ...

  2. 【学习笔记】动态规划—斜率优化DP(超详细)

    [学习笔记]动态规划-斜率优化DP(超详细) [前言] 第一次写这么长的文章. 写完后感觉对斜优的理解又加深了一些. 斜优通常与决策单调性同时出现.可以说决策单调性是斜率优化的前提. 斜率优化 \(D ...

  3. 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 ...

  4. 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 ...

  5. [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

  6. 【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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

随机推荐

  1. mac OS X下PhpStorm+MAMP PRO+Xdebug+FireFox集成开发和断点调试环境配置

    一.环境及软件 1.macbook pro 2.Phpstorm 3.MAMP PRO 4.FireFox 二.环境搭建 1.PhpStorm导入项目 下载PhpStorm并安装,网上随便找个注册码即 ...

  2. php调试利器 -- xdebug

    之前整理在印象笔记中,现在搬出来.分本地调试和远程调试.本文亲测通过并截图,有问题欢迎留言探讨. (参考网上多位前辈的博客,整理在笔记里忘记保存原文链接,这里无法贴出链接,望见谅)   # 痛处 一般 ...

  3. Python urllib2多进程共享cookies

    如果想多个进程共享同一个cookies,不用每个进程都重新登录,可以就cookies保存到一个文件,然后多个进程直接共享一个锁来实现 1.一个进程登录完成后,把cookies保存到一个文件里面 sel ...

  4. Android开发中Eclipse里的智能提示设置

    今天开始学习一下Android开发,直接在Android Developers下载的一个开发工具包,然后再下了一个JDK,配置完环境变量等一系列的工作后环境就搭建好了,在新建好第一个Android项目 ...

  5. EasyUI + EF + MVC4 后台截图

    到目前完成的页面截图,完成了增删改查几项功能的技术测试,在解决几个小问题,就重新设计结构开始一个完整的后台开发,坚持用博客和云笔记记录开发过程.

  6. C# 的轻量级 RPC 框架

    Redola.Rpc 的一个小目标 Redola.Rpc 的一个小目标 Redola.Rpc 的一个小目标:20000 tps. Concurrency level: 8 threads Comple ...

  7. 在scrollView中使用pageControl

    在scrollView中使用pageControl 要这样才能效果好,合理而且人性化 -(void)scrollViewDidScroll:(UIScrollView *)scrollView{ if ...

  8. python字符串内容替换的方法(转载)

    python字符串内容替换的方法 时间:2016-03-10 06:30:46来源:网络 导读:python字符串内容替换的方法,包括单个字符替换,使用re正则匹配进行字符串模式查找与替换的方法.   ...

  9. 839. Optimal Marks - SPOJ

    You are given an undirected graph G(V, E). Each vertex has a mark which is an integer from the range ...

  10. CNKI翻译助手-连接数据库失败

    IP并发数限制,老师说西工大的CNKI才20个并发指标,HPU自不必说.但是我略表怀疑,这只是翻译助手而已,就像百度翻译和百度数据库的区别,如何验证呢?去校外用该助手,如果能用,那么就不是IP并发限制 ...