合并石头(直线+圆圈+强化+优化)
- 有N堆石子排成一排,每堆石子有一定的数量。现要将N堆石子并成为一堆。合并的过程只能每次将相邻的两堆石子堆成一堆,每次合并花费的代价为这两堆石子的和,经过N-1次合并后成为一堆。求出总的代价最小值。
- 输入
- 有多组测试数据,输入到文件结束。
每组测试数据第一行有一个整数n,表示有n堆石子。
接下来的一行有n(0< n <200)个数,分别表示这n堆石子的数目,用空格隔开 - 输出
- 输出总代价的最小值,占单独的一行
- 样例输入
-
3 1 2 3 7 13 7 8 16 21 4 18
暴力n3算法:
其中,dp[i][j]代表i到j堆的最优值,sum[i]代表第1堆到第i堆的数目总和。有:dp[i][j]=min(dp[i][j],dp[i][k]+dp[k+1][j])+sum[j]-sum[i-1]。#include <fstream> #include <iostream> #include <cstdio> #include <cstring> #include <cstdlib> #include <cmath> using namespace std; const int N=205; const int INF=0x7fffffff; int n; int a[N],sum[N],dp[N][N]; void f(); int main(){ //freopen("D:\\input.in","r",stdin); while(~scanf("%d",&n)){ sum[0]=0; for(int i=1;i<=n;i++){ scanf("%d",&a[i]); sum[i]=sum[i-1]+a[i]; } f(); printf("%d\n",dp[1][n]); } return 0; } void f(){ for(int i=1;i<=n;i++) dp[i][i]=0; for(int r=1;r<n;r++){ for(int i=1;i<n;i++){ int j=i+r; if(j>n) break; dp[i][j]=INF; for(int k=i;k<=j;k++){ dp[i][j]=min(dp[i][j],dp[i][k]+dp[k+1][j]); } dp[i][j]+=sum[j]-sum[i-1]; } } } 224ms
四边行优化:优化:原状态转移方程中的k的枚举范围便可以从原来的(i~j-1)变为(s[i,j-1]~s[i+1,j])。
#include <fstream> #include <iostream> #include <cstdio> #include <cstring> #include <cstdlib> #include <cmath> using namespace std; const int N=205; const int INF=0x7fffffff; int n; int a[N],sum[N],dp[N][N],s[N][N]; void f(); int main(){ //freopen("D:\\input.in","r",stdin); while(~scanf("%d",&n)){ sum[0]=0; for(int i=1;i<=n;i++){ scanf("%d",&a[i]); sum[i]=sum[i-1]+a[i]; } f(); printf("%d\n",dp[1][n]); } return 0; } void f(){ for(int i=1;i<=n;i++) dp[i][i]=0,s[i][i]=i; for(int r=1;r<n;r++){ for(int i=1;i<n;i++){ int j=i+r; if(j>n) break; dp[i][j]=INF; for(int k=s[i][j-1];k<=s[i+1][j];k++){ if(dp[i][j]>dp[i][k]+dp[k+1][j]){ dp[i][j]=dp[i][k]+dp[k+1][j]; s[i][j]=k; } } dp[i][j]+=sum[j]-sum[i-1]; } } } 32ms
解释下:
四边形不等式优化动态规划原理:
1.当决策代价函数w[i][j]满足w[i][j]+w[i’][j’]<=w[I;][j]+w[i][j’](i<=i’<=j<=j’)时,称w满足四边形不等式.当函数w[i][j]满足w[i’][j]<=w[i][j’] i<=i’<=j<=j’)时,称w关于区间包含关系单调.
2.如果状态转移方程m为且决策代价w满足四边形不等式的单调函数(可以推导出m亦为满足四边形不等式的单调函数),则可利用四边形不等式推出最优决策s的单调函数性,从而减少每个状态的状态数,将算法的时间复杂度由原来的O(n^3)降低为O(n^2).方法是通过记录子区间的最优决策来减少当前的决策量.令:
s[i][j]=max{k | ma[i][j] = m[i][k-1] + m[k][j] + w[i][j]}
由于决策s具有单调性,因此状态转移方程可修改为:
证明过程: (转载)
设m[i,j]表示动态规划的状态量。
m[i,j]有类似如下的状态转移方程:
m[i,j]=opt{m[i,k]+m[k,j]}(i≤k≤j)
如果对于任意的a≤b≤c≤d,有m[a,c]+m[b,d]≤m[a,d]+m[b,c],那么m[i,j]满足四边形不等式。
以上是适用这种优化方法的必要条件
对于一道具体的题目,我们首先要证明它满足这个条件,一般来说用数学归纳法证明,根据题目的不同而不同。
通常的动态规划的复杂度是O(n3),我们可以优化到O(n2)
设s[i,j]为m[i,j]的决策量,即m[i,j]=m[i,s[i,j]]+m[s[i,j]+j]
我们可以证明,s[i,j-1]≤s[i,j]≤s[i+1,j] (证明过程见下)
那么改变状态转移方程为:
m[i,j]=opt{m[i,k]+m[k,j]} (s[i,j-1]≤k≤s[i+1,j])
复杂度分析:不难看出,复杂度决定于s的值,以求m[i,i+L]为例,
(s[2,L+1]-s[1,L])+(s[3,L+2]-s[2,L+1])…+(s[n-L+1,n]-s[n-L,n-1])=s[n-L+1,n]-s[1,L]≤n
所以总复杂度是O(n2)
对s[i,j-1]≤s[i,j]≤s[i+1,j]的证明:
设mk[i,j]=m[i,k]+m[k,j],s[i,j]=d
对于任意k<d,有mk[i,j]≥md[i,j](这里以m[i,j]=min{m[i,k]+m[k,j]}为例,max的类似),接下来只要证明mk[i+1,j]≥md[i+1,j],那么只有当s[i+1,j]≥s[i,j]时才有可能有ms[i+1,j][i+1,j]≤md[i+1,j]
(mk[i+1,j]-md[i+1,j]) - (mk[i,j]-md[i,j])
=(mk[i+1,j]+md[i,j]) - (md[i+1,j]+mk[i,j])
=(m[i+1,k]+m[k,j]+m[i,d]+m[d,j]) - (m[i+1,d]+m[d,j]+m[i,k]+m[k,j])
=(m[i+1,k]+m[i,d]) - (m[i+1,d]+m[i,k])
∵m满足四边形不等式,∴对于i<i+1≤k<d有m[i+1,k]+m[i,d]≥m[i+1,d]+m[i,k]
∴(mk[i+1,j]-md[i+1,j])≥(mk[i,j]-md[i,j])≥0
∴s[i,j]≤s[i+1,j],同理可证s[i,j-1]≤s[i,j]
证毕
扩展:
以上所给出的状态转移方程只是一种比较一般的,其实,很多状态转移方程都满足四边形不等式优化的条件。
解决这类问题的大概步骤是:
0.证明w满足四边形不等式,这里w是m的附属量,形如m[i,j]=opt{m[i,k]+m[k,j]+w[i,j]},此时大多要先证明w满足条件才能进一步证明m满足条件
1.证明m满足四边形不等式
2.证明s[i,j-1]≤s[i,j]≤s[i+1,j]
GarsiaWachs算法优化+小细节优化:
#include <fstream> #include <iostream> #include <cstdio> #include <cstring> #include <cstdlib> #include <cmath> using namespace std; const int N = 205; const int INF = 0x7fffffff; int stone[N]; int n,t,ans; void combine(int k) { int tmp = stone[k] + stone[k-1]; ans += tmp; for(int i=k;i<t-1;i++) stone[i] = stone[i+1]; t--; int j = 0; for(j=k-1;stone[j-1] < tmp;j--) stone[j] = stone[j-1]; stone[j] = tmp; while(j >= 2 && stone[j] >= stone[j-2]) { int d = t - j; combine(j-1); j = t - d; } } int main() { //freopen("D:\\input.in","r",stdin); while(~scanf("%d",&n)) { for(int i=1;i<=n;i++) scanf("%d",stone+i); stone[0]=INF; stone[n+1]=INF-1; t = 3; ans = 0; for(int i=3;i<=n+1;i++) { stone[t++] = stone[i]; while(stone[t-3] <= stone[t-1]) combine(t-2); } while(t > 3) combine(t-1); printf("%d\n",ans); } return 0; } 0ms
解释:
对于石子合并问题,有一个最好的算法,那就是GarsiaWachs算法。时间复杂度为O(n^2)。
它的步骤如下:
设序列是stone[],从左往右,找一个满足stone[k-1] <= stone[k+1]的k,找到后合并stone[k]和stone[k-1],再从当前位置开始向左找最大的j,使其满足stone[j] > stone[k]+stone[k-1],插到j的后面就行。一直重复,直到只剩下一堆石子就可以了。在这个过程中,可以假设stone[-1]和stone[n]是正无穷的。
举个例子:186 64 35 32 103因为35<103,所以最小的k是3,我们先把35和32删除,得到他们的和67,并向前寻找一个第一个超过67的数,把67插入到他后面,得到:186 67 64 103,现在由5个数变为4个数了,继续:186 131 103,现在k=2(别忘了,设A[-1]和A[n]等于正无穷大)234 186,最后得到420。最后的答案呢?就是各次合并的重量之和,即420+234+131+67=852。基本思想是通过树的最优性得到一个节点间深度的约束,之后证明操作一次之后的解可以和原来的解一一对应,并保证节点移动之后他所在的深度不会改变。具体实现这个算法需要一点技巧,精髓在于不停快速寻找最小的k,即维护一个“2-递减序列”朴素的实现的时间复杂度是O(n*n),但可以用一个平衡树来优化,使得最终复杂度为O(nlogn)。题目由直线型变成圆形朴树暴力#include <fstream> #include <iostream> #include <cstdio> #include <cstring> #include <cstdlib> #include <cmath> using namespace std; const int N=205; const int INF=0x7fffffff; int n; int a[N],sum[N],dp[N][N]; int f(); int main(){ //freopen("D:\\input.in","r",stdin); while(~scanf("%d",&n)){ sum[0]=0; for(int i=1;i<=n;i++){ scanf("%d",&a[i]); sum[i]=sum[i-1]+a[i]; } printf("%d\n",f()); } return 0; } int f(){ for(int i=1;i<=n;i++) dp[i][0]=0; for(int r=1;r<n;r++){ for(int i=1;i<=n;i++){ int j=i+r; dp[i][r]=INF; for(int k=1;k<=r;k++){ if(i+k>n) dp[i][r]=min(dp[i][r],dp[i][k-1]+dp[(i+k)%n][r-k]); else dp[i][r]=min(dp[i][r],dp[i][k-1]+dp[i+k][r-k]); } if(i+r>n) dp[i][r]+=sum[(i+r)%n]+sum[n]-sum[i-1]; else dp[i][r]+=sum[i+r]-sum[i-1]; } } int ans=INF; for(int i=1;i<=n;i++) ans=min(ans,dp[i][n-1]); return ans; } 5ms
四边形优化
#include <fstream> #include <iostream> #include <cstdio> #include <cstring> #include <cstdlib> #include <cmath> using namespace std; const int N=205; const int INF=0x7fffffff; int n; int a[N],sum[N],dp[N][N],s[N][N]; int f(); int main(){ //freopen("D:\\input.in","r",stdin); while(~scanf("%d",&n)){ sum[0]=0; for(int i=1;i<=n;i++){ scanf("%d",&a[i]); sum[i]=sum[i-1]+a[i]; } printf("%d\n",f()); } return 0; } int f(){ for(int i=1;i<=n;i++) dp[i][0]=0,s[i][0]=1; for(int r=1;r<n;r++){ for(int i=1;i<=n;i++){ int j=i+r; dp[i][r]=INF; for(int k=s[i][r-1];k<=s[i+1][r-1]+1;k++){ int t=dp[i][k-1]+dp[(i+k-1)%n+1][r-k]; if(dp[i][r]>t){ dp[i][r]=t; s[i][r]=k; } } if(i+r>n) dp[i][r]+=sum[(i+r)%n]+sum[n]-sum[i-1]; else dp[i][r]+=sum[i+r]-sum[i-1]; } } int ans=INF; for(int i=1;i<=n;i++) ans=min(ans,dp[i][n-1]); return ans; } 0ms
还记得经典题石子合并吗?现在小Y将题目加强啦!
在一个圆形操场的四周摆放着n堆石子,现要将石子有次序地合并成一堆。规定每次只能选取相邻的三堆合并成新的一堆,并将新的一堆的石子数,记为该次合并的得分。
编一程序,读入石子堆数n及每堆的石子数。选择一种合并石子的方案,使得做(n-1)/2次合并,得分的总和最小。- Input Format
第1行一个数,表示石子堆数。
第2行是顺序排列的各堆石子数(<=1000),每两个数之间用空格分隔。- Output Format
输出合并的最小得分。
- Sample Input
5
1 2 3 4 5- Sample Output
21
- Hint
【样例解释】
先合并(1 2 3),再合并(6 4 5)
【数据范围】
对于20%的数据,n=5
对于60%的数据,n<=80
对于100%的数据,n<=400
- 分析
对于60%的数据,我们可以处理[i,j]这段区间是由[i,k1][k1+1,k2][k2+1,j]这三段区间合并的。复杂度O(kn3)O(kn3)
对于100%的数据,我们发现合成三堆可以先合并两堆在和第三堆合并。所以我们可以先用F2记录两堆合并成一堆的,然后用F1记录三堆合成的。用SGG和hjj两位god的话说,就是2=1+1;3=2+1=1+2;1=3。#include <queue> #include <stack> #include <cstdio> #include <cstring> #include <algorithm> using namespace std; int n,W[402],a[402],F1[402][402],F2[402][402]; int main(){ freopen("merge.in","r",stdin); freopen("merge.out","w",stdout); scanf("%d",&n); for (int i=1;i<=n;i++){ scanf("%d",&W[i]); a[i]=a[i-1]+W[i]; } memset(F1,127/2,sizeof(F1)); memset(F2,127/2,sizeof(F2)); for (int i=n;i;i--){ F1[i][i]=0; F1[i][i+2]=a[i+2]-a[i-1]; for (int j=i+3;j<=n;j++){ for (int k=i;k<j;k++) F2[i][j]=min(F2[i][j],F1[i][k]+F1[k+1][j]); for (int k=i;k<j;k++) F1[i][j]=min(F1[i][j],min(F1[i][k]+F2[k+1][j],F2[i][k]+F1[k+1][j])+a[j]-a[i-1]); } } if (n&1) printf("%d",F1[1][n]); else printf("Impossible"); fclose(stdin); fclose(stdout); return 0; }