zoukankan      html  css  js  c++  java
  • [HDU3516] Tree Construction [四边形不等式dp]

    题面:

    传送门

    思路:

    这道题有个结论:

    把两棵树$left[i,k ight]$以及$left[k+1,j ight]$连接起来的最小花费是$xleft[k+1 ight]-xleft[i ight]+yleft[k ight]-yleft[j ight]$

    然后就明显可以区间dp了

    设$dpleft[i ight]left[j ight]$表示把闭区间$left[i,j ight]$中的点连起来的最小花费,然后定义上面那个最小花费为$wleft(i,k,j ight)$

    那么转移方程就比较显然了:

    $dpleft[i ight]left[j ight]=minleft(dpleft[i ight]left[k ight]+dpleft[k+1 ight]left[j ight]+wleft(i,k,j ight) ight)$

    证明一下可以看出,$w$函数在$k$不变的时候,是满足四边形不等式的

    因此可以给$dp$套一个优化,在$Oleft(n^2 ight)$中解决

    这道题目的重难点实际上就是求$wleft(i,k,j ight)$的表达式,求出来就很显然了

    Code:

     1 #include<iostream>
     2 #include<cstdio>
     3 #include<cstring>
     4 #include<algorithm>
     5 #define inf 1e9
     6 using namespace std;
     7 inline int read(){
     8     int re=0,flag=1;char ch=getchar();
     9     while(ch>'9'||ch<'0'){
    10         if(ch=='-') flag=-1;
    11         ch=getchar();
    12     }
    13     while(ch>='0'&&ch<='9') re=(re<<1)+(re<<3)+ch-'0',ch=getchar();
    14     return re*flag;
    15 }
    16 int n,x[1010],y[1010],dp[1010][1010],s[1010][1010];
    17 int w(int l,int mid,int r){
    18     return x[mid+1]-x[l]+y[mid]-y[r];
    19 }
    20 int main(){
    21     int i,j,len,tmp,k;
    22     while(~scanf("%d",&n)){
    23     for(i=1;i<=n;i++) x[i]=read(),y[i]=read();
    24         for(i=1;i<=n;i++) dp[i][i]=0,s[i][i]=i;
    25         for(len=1;len<n;len++){
    26             for(i=1;i<=n;i++){
    27                 j=len+i;if(j>n) break;
    28                 dp[i][j]=inf;
    29                 for(k=s[i][j-1];k<=s[i+1][j]&&k<j;k++){
    30                     if((tmp=dp[i][k]+dp[k+1][j]+w(i,k,j))<dp[i][j]){
    31                         dp[i][j]=tmp;s[i][j]=k;
    32                     }
    33                 }
    34             }
    35         }
    36         printf("%d
    ",dp[1][n]);
    37     }
    38 }
  • 相关阅读:
    每周总结11
    学习进度-神经网络练习
    学习进度-卷积神经网络
    学习进度-了解卷积神经网络
    学习进度-多层感知机
    学习进度-k近邻算法
    学习进度-神经网络
    学习进度-学习神经网络
    学习进度tensorflow的线性和逻辑回归
    学习进度-安装tensorflow
  • 原文地址:https://www.cnblogs.com/dedicatus545/p/8594741.html
Copyright © 2011-2022 走看看