教主泡嫦娥[有趣的dp状态设计]

P1342 教主泡嫦娥

时间: 1000ms / 空间: 131072KiB / Java类名: Main

背景

2012年12月21日下午3点14分35秒,全世界各国的总统以及领导人都已经汇聚在中国的方舟上。
但也有很多百姓平民想搭乘方舟,毕竟他们不想就这么离开世界,所以他们决定要么登上方舟,要么毁掉方舟。

LHX教主听说了这件事之后,果断扔掉了手中的船票。在地球即将毁灭的那一霎那,教主自制了一个小型火箭,奔向了月球……

教主登上月球之后才发现,他的女朋友忘记带到月球了,为此他哭了一个月。
但细心的教主立马想起了小学学过的一篇课文,叫做《嫦娥奔月》,于是教主决定,让嫦娥做自己的新任女友。

描述

教主拿出他最新研制的LHX(Let‘s be Happy Xixi*^__^*)卫星定位系统,轻松地定位到了广寒宫的位置。
见到嫦娥之后,教主用温柔而犀利的目光瞬间迷倒了嫦娥,但嫦娥也想考验一下教主。
嫦娥对教主说:"看到那边的环形山了么?你从上面那个环走一圈我就答应你~"

教主用LHX卫星定位系统查看了环形山的地形,环形山上一共有N个可以识别的落脚点,以顺时针1~N编号。每个落脚点都有一个海拔,相邻的落脚点海拔不同(第1个和第N个相邻)。
教主可以选择从任意一个落脚点开始,顺时针或者逆时针走,每次走到一个相邻的落脚点,并且最后回到这个落脚点。
教主在任意时刻,都会有"上升"、"下降"两种状态的其中一种。

当教主从第i个落脚点,走到第j个落脚点的时候(i和j相邻)
j的海拔高于i的海拔:如果教主处于上升状态,教主需要耗费两段高度差的绝对值的体力;否则耗费高度差平方的体力。
j的海拔低于i的海拔:如果教主处于下降状态,教主需要耗费两段高度差的绝对值的体力;否则耗费高度差平方的体力。

当然,教主可以在到达一个落脚点的时候,选择切换自己的状态(上升→下降,下降→上升),每次切换需要耗费M点的体力。在起点的时候,教主可以自行选择状态并且不算切换状态,也就是说刚开始教主可以选择任意状态并且不耗费体力。

教主希望花费最少的体力,让嫦娥成为自己的女朋友。

输入格式

输入的第一行为两个正整数N与M,即落脚点的个数与切换状态所消耗的体力。
接下来一行包含空格隔开的N个正整数,表示了每个落脚点的高度,题目保证了相邻落脚点高度不相同。

输出格式

输出仅包含一个正整数,即教主走一圈所需消耗的最小体力值。

测试样例1

输入

6 7 
4 2 6 2 5 6

输出

27

备注

【样例说明】
从第3个落脚点开始以下降状态向前走,并在第4个落脚点时切换为上升状态。
这样共耗费4 +(7)+3+1+2^2+2^2+4=27点体力。

【数据规模】
对于10%的数据,N ≤ 10;
对于30%的数据,N ≤ 100,a[i] ≤ 1000;
对于50%的数据,N ≤ 1000,a[i] ≤ 100000;
对于100%的数据,N ≤ 10000,a[i] ≤ 1000000,M ≤ 1000000000;

先说说网上的随机化算法优化O(n^2)暴力——>α(nlogn){常数60+}

//非常有可能被卡常,且有可能卡WA
//期望得分:100
//实际得分:80-100
#include<ctime>
#include<cmath>
#include<cstdio>
#include<cstdlib>
#include<iostream>
#define pf(x) ((ll)(x)*(ll)(x))
#define OPT __attribute__((optimize("O2")))
using namespace std;
typedef long long ll;
const int N=10005;
ll f[N][2],ans[N];
int n,m,a[N<<1],b[N],tp[30];
OPT inline int read(){
    int x=0,f=1;char ch=getchar();
    while(ch<‘0‘||ch>‘9‘){if(ch==‘-‘)f=-1;ch=getchar();}
    while(ch>=‘0‘&&ch<=‘9‘){x=x*10+ch-‘0‘;ch=getchar();}
    return x*f;
}
OPT inline ll DP(int start){
    if(ans[start]) return ans[start];
    for(int cnt=0,i=start;i<=start+n;i++) b[++cnt]=a[i];
    f[1][0]=f[1][1]=0;
    for(int i=2;i<=n+1;i++){
        if(b[i]>b[i-1]){
            f[i][1]=min(f[i-1][0]+m+b[i]-b[i-1],f[i-1][1]+b[i]-b[i-1]);
            f[i][0]=min(f[i-1][1]+m+pf(b[i]-b[i-1]),f[i-1][0]+pf(b[i]-b[i-1]));
        }
        else{
            f[i][0]=min(f[i-1][1]+m+b[i-1]-b[i],f[i-1][0]+b[i-1]-b[i]);
            f[i][1]=min(f[i-1][0]+m+pf(b[i]-b[i-1]),f[i-1][1]+pf(b[i]-b[i-1]));
        }
    }
    return ans[start]=min(f[n+1][1],f[n+1][0]);
}
OPT int main(){
    srand(time(0));
    n=read();m=read();
    for(int i=1;i<=n;i++) a[i+n]=a[i]=read();
    for(int i=1;i<=18;i++) tp[i]=rand()%n+1;
    for(double T=n;T>=10;T*=0.5){
        for(int i=1,now;i<=18;i++){
            for(int j=1;j<=21;j++){
                now=tp[i]+sin((double)(rand()%10000)/10000)*T;
                if(now<=0||now>n) continue;
                if(DP(now)>=DP(tp[i])) continue;
                tp[i]=now;
            }
        }
    }
    ll Ans=0x7fffffffffffffffLL;
    for(int i=1;i<=18;i++) Ans=min(Ans,ans[tp[i]]);
    cout<<Ans;
    return 0;
}

正经算法

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#define pf(x) (1LL*(x)*(x))
using namespace std;
typedef long long ll;
inline int read(){
    int x=0,f=1;char ch=getchar();
    while(ch<‘0‘||ch>‘9‘){if(ch==‘-‘)f=-1;ch=getchar();}
    while(ch>=‘0‘&&ch<=‘9‘){x=x*10+ch-‘0‘;ch=getchar();}
    return x*f;
}
const int N=10005;
int n,m,a[N<<1];
ll f[N][2][2],Ans;
void DP(){
    for(int i=1;i<=n;i++){
        for(int j=0;j<2;j++){
            if((a[i]<a[i-1])^j){
                f[i][j][0]=f[i-1][j][0]+abs(a[i]-a[i-1]);
                f[i][j][1]=min(f[i-1][j][1],
                           min(f[i-1][j^1][0],f[i-1][j^1][1])+m)+abs(a[i]-a[i-1]);
            }
            else{
                f[i][j][0]=f[i-1][j][0]+pf(a[i]-a[i-1]);
                f[i][j][1]=min(f[i-1][j][1],
                           min(f[i-1][j^1][0],f[i-1][j^1][1])+m)+pf(a[i]-a[i-1]);
            }
        }
    }
}
int main(){
    n=read();m=read();
    for(int i=0;i<n;i++) a[i]=read();a[n]=a[0];
    //情况1、2
    memset(f,0,sizeof f);memset(f[0],0x3f,sizeof f[0]);
    f[0][0][0]=f[0][1][0]=0;;
    DP();
    Ans=min(min(f[n][0][0],f[n][0][1]),min(f[n][1][0],f[n][1][1]));
    //情况3
    memset(f,0,sizeof f);memset(f[0],0x3f,sizeof f[0]);
    f[0][0][0]=0;
    DP();Ans=min(Ans,f[n][0][1]-m);
    //情况3
    memset(f,0,sizeof f);memset(f[0],0x3f,sizeof f[0]);
    f[0][1][0]=0;
    DP();Ans=min(Ans,f[n][1][1]-m);

    cout<<Ans;
    return 0;
}
时间: 2024-07-30 05:51:29

教主泡嫦娥[有趣的dp状态设计]的相关文章

tyvj 1342 教主泡嫦娥 环上DP

342 教主泡嫦娥 时间: 1000ms / 空间: 131072KiB / Java类名: Main 背景 2012年12月21日下午3点14分35秒,全世界各国的总统以及领导人都已经汇聚在中国的方舟上.但也有很多百姓平民想搭乘方舟,毕竟他们不想就这么离开世界,所以他们决定要么登上方舟,要么毁掉方舟. LHX教主听说了这件事之后,果断扔掉了手中的船票.在地球即将毁灭的那一霎那,教主自制了一个小型火箭,奔向了月球…… 教主登上月球之后才发现,他的女朋友忘记带到月球了,为此他哭了一个月.但细心的教

暴力dp+状态设计思维——cf1303E

感觉这一题的状态设计很有讲究 一开始的思路是枚举s的前半部分,去贪心的匹配t串,然后再看剩余部分是否可以匹配t的后半部分 但这种思路显然是错的(样例都过不了),原因是可能t后半部分的某个特征串只在s中(对应的一个特征序列)出现了一次, 但是这个s中的特征序列由于被t前半部分贪心的匹配,被打破了,所以不能成功匹配后半部分 后来想到枚举t的前半部分和后半部分,然后用一个二维dp[i][j]去枚举匹配即可 /* 枚举pos:1->T,表示t被分成t[1..pos]和t[pos+1..T]两个串 dp[

Dp状态设计与方程总结

1.不完全状态记录<1>青蛙过河问题<2>利用区间dp 2.背包类问题<1> 0-1背包,经典问题<2>无限背包,经典问题<3>判定性背包问题<4>带附属关系的背包问题<5> + -1背包问题<6>双背包求最优值<7>构造三角形问题<8>带上下界限制的背包问题(012背包) 3.线性的动态规划问题<1>积木游戏问题<2>决斗(判定性问题)<3>圆的最大

dp状态压缩

dp状态压缩 动态规划本来就很抽象,状态的设定和状态的转移都不好把握,而状态压缩的动态规划解决的就是那种状态很多,不容易用一般的方法表示的动态规划问题,这个就更加的难于把握了.难点在于以下几个方面:状态怎么压缩?压缩后怎么表示?怎么转移?是否具有最优子结构?是否满足后效性?涉及到一些位运算的操作,虽然比较抽象,但本质还是动态规划.找准动态规划几个方面的问题,深刻理解动态规划的原理,开动脑筋思考问题.这才是掌握动态规划的关键. 动态规划最关键的要处理的问题就是位运算的操作,容易出错,状态的设计也直

HDU 5346 MZL&#39;s game (状态设计各种强)

真是太奇妙了,感觉这是这个暑假写的最厉害的DP了(说的好像写过几道DP一样),设计的状态精妙. 因为题解不知道在说个毛线,而且貌似写错了,请问i-1的时候有j-1的活人为什么多攻击一次人会复活?反正我没看懂..而且下面还有情况接下来说. 把它翻译成人话.. 由于每个人等概率出于任意一个位置.不妨视为有序,即从1-n一个一个选中人.该人死亡则跳过.最后统计出所有位置的情况即为一个人的存活率(这个题解说的好像比我容易懂= =) 设计的状态是 dp[i][j]表示,选中第i个人时,第i-n(即没有攻击

HDU 4336 Card Collector (期望DP+状态压缩 或者 状态压缩+容斥)

题意:有N(1<=N<=20)张卡片,每包中含有这些卡片的概率,每包至多一张卡片,可能没有卡片.求需要买多少包才能拿到所以的N张卡片,求次数的期望. 析:期望DP,是很容易看出来的,然后由于得到每张卡片的状态不知道,所以用状态压缩,dp[i] 表示这个状态时,要全部收齐卡片的期望. 由于有可能是什么也没有,所以我们要特殊判断一下.然后就和剩下的就简单了. 另一个方法就是状态压缩+容斥,同样每个状态表示收集的状态,由于每张卡都是独立,所以,每个卡片的期望就是1.0/p,然后要做的就是要去重,既然

(review)zoj4800 二维dp 状态转移很灵活

1 #include<iostream> 2 #include<stdio.h> 3 4 using namespace std; 5 6 double dp[10005][125]; 7 double p[125][125]; 8 int pk[10005]; 9 10 int N,M; 11 12 double fmax(double a,double b){ 13 if(a-b>0) return a;else return b; 14 } 15 int main(){

uva 11367 dijkstra+dp状态压缩

题意:给出n个地点 和 每个地点的油价 ,有 m 条边 , 并给出每条边长度 .1单位汽油可以走1千米  , 油箱的容量为 c , 在初始点 s 时 , 油箱中的油为 0 , 求s 到 t 的最小花费 . 解法: 定义 状态 d[i][j] 表示到达 地点 i 且油箱中有 j 单位油时的最小 花费. 对于状态的转移时 , 有两种方法: 1.把每个点的所有状态都求出 2.不把每个点的状态都求出 , 而是一单位一单位的加油. 对于第一种方法 , 会超时 , 因为每个点的状态太多 , 但是能用的状态就

http无状态设计与Cookie和Session

无状态指的是任意一个Web请求必须完全与其他请求隔离,当请求端提出请求时,请求本身包含了相应端为相应这一请求所需的全部信息. 1. 被调用者不保存参数,因为无需考虑参数逻辑 由使用者来保存状态,进行状态逻辑设计 http是无状态设计的,一些SDK的设计也可以是无状态的. 2. 而一些需求是需要有交互的,需要状态的 如: a. 表单(Form): b. 客户端的脚本处理.DOM处理等功能: c. 服务器的CGI(Common Gateway Interface)以处理包含表单提交在内的动态请求.