- C++
【区间dp】石子合并
- 2024-4-20 13:07:41 @
石子合并
设有 N 堆石子排成一排,其编号为 1,2,3,…,N每堆石子有一定的质量,可以用一个整数来描述,现在要将这 N堆石子合并成为一堆。
每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相邻,合并时由于选择的顺序不同,合并的总代价也不相同。
例如有 4 堆石子分别为 1 3 5 2
, 我们可以先合并 1、2堆,代价为 4,得到 4 5 2
, 又合并 1、2堆,代价为 9,得到 9 2
,再合并得到 11,总代价为 4+9+11=24;
如果第二步是先合并 2、3堆,则代价为 7,得到 4 7
,最后一次合并代价为 11,总代价为 4+7+11=22。
问题是:找出一种合理的方法,使总的代价最小,输出最小代价。
输入格式
第一行一个数 N 表示石子的堆数 N。
第二行 N 个数,表示每堆石子的质量(均不超过 1000)。
输出格式
输出一个整数,表示最小代价。
数据范围
1≤N≤300
输入样例:
4
1 3 5 2
输出样例:
22
区间 DP 常用模版 所有的区间dp问题枚举时,第一维通常是枚举区间长度,并且一般 len = 1 时用来初始化,枚举从 len = 2 开始;第二维枚举起点 i (右端点 j 自动获得,j = i + len - 1)
模板代码如下:
for (int len = 1; len <= n; len++) { // 区间长度
for (int i = 1; i + len - 1 <= n; i++) { // 枚举起点
int j = i + len - 1; // 区间终点
if (len == 1) {
dp[i][j] = 初始值
continue;
}
for (int k = i; k < j; k++) { // 枚举分割点,构造状态转移方程
dp[i][j] = min(dp[i][j], dp[i][k] + dp[k + 1][j] + w[i][j]);
}
}
}
} 本题C++代码
#include <iostream>
#include <cstring>
using namespace std;
const int N = 307;
int a[N], s[N];
int f[N][N];
int main() {
int n;
cin >> n;
for (int i = 1; i <= n; i ++) {
cin >> a[i];
s[i] += s[i - 1] + a[i];
}
memset(f, 0x3f, sizeof f);
// 区间 DP 枚举套路:长度+左端点
for (int len = 1; len <= n; len ++) { // len表示[i, j]的元素个数
for (int i = 1; i + len - 1 <= n; i ++) {
int j = i + len - 1; // 自动得到右端点
if (len == 1) {
f[i][j] = 0; // 边界初始化
continue;
}
for (int k = i; k <= j - 1; k ++) { // 必须满足k + 1 <= j
f[i][j] = min(f[i][j], f[i][k] + f[k + 1][j] + s[j] - s[i - 1]);
}
}
}
cout << f[1][n] << endl;
return 0;
}
2 条评论
-
mrhowe SU @ 2024-4-21 20:34:30
#include <iostream> #include <cstring> using namespace std; const int N = 307; int a[N], s[N]; int f_min[N][N],f_max[N][N]; int main() { int n; cin >> n; for (int i = 1; i <= n; i ++) { cin >> a[i]; s[i] += s[i - 1] + a[i]; } for(int i=1;i<=n-1;i++){ a[n+i]=a[i]; s[n+i]=s[n+i-1]+a[n+i]; } memset(f_min, 0x3f, sizeof f_min); // 区间 DP 枚举套路:长度+左端点 for (int len = 1; len <= 2*n-1; len ++) { // len表示[i, j]的元素个数 for (int i = 1; i + len - 1 <= 2*n-1; i ++) { int j = i + len - 1; // 自动得到右端点 if (len == 1) { f_min[i][j] = 0; // 边界初始化 f_max[i][j] = 0; continue; } for (int k = i; k <= j - 1; k ++) { // 必须满足k + 1 <= j f_min[i][j] = min(f_min[i][j], f_min[i][k] + f_min[k + 1][j] + s[j] - s[i - 1]); f_max[i][j] = max(f_max[i][j], f_max[i][k] + f_max[k + 1][j] + s[j] - s[i - 1]); } } } int mindp,maxdp; for(int i=1;i<=n;i++){ int j = n+i-1; if(i==1){ mindp = f_min[i][j]; maxdp = f_max[i][j]; }else{ mindp = min(mindp,f_min[i][j]); maxdp = max(maxdp,f_max[i][j]); } } cout<<mindp<<endl; cout<<maxdp<<endl; return 0; }
-
2024-4-20 17:43:32@
区间dp重点总结 区间动态规划,利用动态规划算法求一个区间的最优解。 状态表达方式:F[i][j],代表从i到j这个区间的最优解 初始化:F[i][i]=0 子问题的划分:将一个大的区间分为很多个小的区间 递推方向:由小区间dp得到最优解,一般是先求长度为2(由长度为1的结果dp出) 然后在利用小区间的最优解合并求出大区间。 合并一般是把左右相邻的两个子区间合并。 状态转移方程常用写法: F[i][j]=max(F[i][j],F[i][k]+F[k+1][j]+w[i][j]) i<=k<=j-1 编程实现: 1、枚举区间长度 2、枚举区间起点 3、计算区间终点 4、枚举分割点,构造状态转移方程,计算最优解
- 1