当前位置: 首页 > news >正文

DP(区间DP)

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

 

 每个状态只会依赖比它长度更短的其他状态,所以先枚举长度可以保证在计算每个状态之前,先计算出它所依赖的状态。

如果先枚举 i

   可以知道

      起点小于 i 的所有情况;

      起点为i,长度小于 len的所有情况

   不能知道

     起点大于i 的所有情况

     起点为i,长度大于 len的情况

如果先枚举 len

   可以知道

     长度小于 len的所有情况

     长度为 len,起点小于 i 的所有情况

  不能知道

     长度大于 len的所有情况

     长度为 len,起点大于 i 的情况

需求:

f[i][k] :起点为 i,长度为 k - i + 1 < len 两种都可以

f[k+1][j] :起点为 k + 1 > i,长度为 j - k < len 不能先枚举 i

#include<iostream>
#include<cstring>
using namespace std;
const int N=330;
int f[N][N];//f[i][j]表示第i堆石子到第j堆石子(一段区间)合并成一堆需要的最小代价
int w[N],s[N];
int main()
{int n;cin>>n;for(int i=1;i<=n;i++)cin>>w[i];memset(f,0x3f,sizeof f);//求最小值 故需要初始化最大for(int i=0;i<=n;i++) f[i][i]=0;//i到i只有自己 不需要花费 for(int i=1;i<=n;i++) s[i]=s[i-1]+w[i];//前缀和for(int len=2;len<=n;len++){for(int i=1;i+len-1<=n;i++)//枚举长度{int l=i,r=i+len-1;//区间的左端点 右端点for(int k=1;k<r;k++){//计算i到j 合并成一堆 最后肯定是 在l--r区间中一个分界线合成一堆 //先不求最后那一和 合成左堆最小代价 f[l][k] 合成右堆的最小代价 f[k+1][r]//最后一步将左右两堆合起来 左堆的最小代价+右堆的最小代价+(合成最后一步就是l-r的代价)f[l][r]=min(f[l][r],f[l][k]+f[k+1][r]+s[r]-s[l-1]);}}}cout<<f[1][n]<<endl;//输出从第一堆石子到第n堆石子合并为一堆石子的最小代价return 0;
}

  合并果子(贪心 Huffman树)

在一个果园里,达达已经将所有的果子打了下来,而且按果子的不同种类分成了不同的堆。

达达决定把所有的果子合成一堆。

每一次合并,达达可以把两堆果子(任意两堆,不受限制)合并到一起,消耗的体力等于两堆果子的重量之和。

可以看出,所有的果子经过 n−1 次合并之后,就只剩下一堆了。

达达在合并果子时总共消耗的体力等于每次合并所耗体力之和。

因为还要花大力气把这些果子搬回家,所以达达在合并果子时要尽可能地节省体力。

假定每个果子重量都为 1,并且已知果子的种类数和每种果子的数目,你的任务是设计出合并的次序方案,使达达耗费的体力最少,并输出这个最小的体力耗费值。

例如有 3 种果子,数目依次为 1,2,9。

可以先将 1、2堆合并,新堆数目为 3,耗费体力为 3。

接着,将新堆与原先的第三堆合并,又得到新的堆,数目为 12,耗费体力为 12。

所以达达总共耗费体力=3+12=15。

可以证明 15 为最小的体力耗费值。

输入格式

输入包括两行,第一行是一个整数 n,表示果子的种类数。

第二行包含 n 个整数,用空格分隔,第 i 个整数 ai 是第 i 种果子的数目。

输出格式

输出包括一行,这一行只包含一个整数,也就是最小的体力耗费值。

输入数据保证这个值小于 231。

数据范围

1≤n≤10000
1≤ai≤20000

输入样例:

3 
1 2 9 

输出样例:

15

经典的Huffman树 每次合并重量最小的两堆果子即可

#include<iostream>
#include<algorithm>
#include<queue>
using namespace std;
int main()
{priority_queue<int,vector<int>,greater<int>>heap;int n;cin>>n;for(int i=1;i<=n;i++){int a;cin>>a;heap.push(a);}int ans=0;while(heap.size()>1){int x1=heap.top();heap.pop();int x2=heap.top();heap.pop();ans+=x1+x2;heap.push(x1+x2);}cout<<ans<<endl;return 0;
}

环形石子合并

将 n 堆石子绕圆形操场排放,现要将石子有序地合并成一堆。

规定每次只能选相邻的两堆合并成新的一堆,并将新的一堆的石子数记做该次合并的得分。

请编写一个程序,读入堆数 n 及每堆的石子数,并进行如下计算:

  • 选择一种合并石子的方案,使得做 n−1次合并得分总和最大
  • 选择一种合并石子的方案,使得做 n−1 次合并得分总和最小

输入格式

第一行包含整数 n,表示共有 n 堆石子。

第二行包含 n 个整数,分别表示每堆石子的数量。

输出格式

输出共两行:

第一行为合并得分总和最小值,

第二行为合并得分总和最大值。

数据范围

1≤n≤200

输入样例:

4
4 5 9 4

输出样例:

43
54

 

 

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N=440;
int f[N][N],g[N][N];
int w[N],s[N];
int main()
{int n;cin>>n;for(int i=1;i<=n;i++){cin>>w[i];w[i+n]=w[i];}for(int i=1;i<=2*n;i++) s[i]=s[i-1]+w[i];memset(f,0x3f,sizeof f);//求最小值 故初始化成大的memset(g,-0x3f,sizeof g);//求最大值 故初始化成小的for(int len=1;len<=n;len++){for(int i=1;i+len-1<=2*n;i++){int l=i,r=i+len-1;if(l==r){f[l][r]=0,g[l][r]=0;//只有自己一堆的时候 不需要花费}for(int k=l;k<r;k++){f[l][r]=min(f[l][r],f[l][k]+f[k+1][r]+s[r]-s[l-1]);g[l][r]=max(g[l][r],g[l][k]+g[k+1][r]+s[r]-s[l-1]);}}}int min1=0x3f3f3f3f,max1=-0x3f3f3f3f;for(int i=1;i<=n;i++){min1=min(min1,f[i][i+n-1]);max1=max(max1,g[i][i+n-1]);}cout<<min1<<endl<<max1<<endl;return 0;
}

相关文章:

DP(区间DP)

石子合并 设有 N 堆石子排成一排&#xff0c;其编号为 1,2,3,…,N。 每堆石子有一定的质量&#xff0c;可以用一个整数来描述&#xff0c;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&#xff0c;合并的代价为这两堆石子的质量之和&#xff0c;合并后与这两堆…...

MySQL5.7保姆级安装教程

环境 Linux版本Mysql版本(待安装)CentOS 75.7 1、配置YUM源 在MySQL官网中下载YUM源rpm安装包&#xff1a;http://dev.mysql.com/downloads/repo/yum/ 目前MySQL官网下载的MySQL源安装后yum下载的MySQL是8.0版本&#xff0c;为了非必要的麻烦&#xff0c;直接提供MySQL5.7的…...

Linux:getopts解析命令行选项和参数

一.背景 当自己编写多个shell脚本进行嵌套调用时,会涉及到传参数问题,此时可以通过getopts设置参数输入与变量赋值. 二.用法 当使用 getopts 命令来解析命令行选项和参数时&#xff0c;你需要在脚本中创建一个循环&#xff0c;循环中使用 getopts 命令来获取每个选项及其参数…...

c语言——三子棋

基本框架 三个文件: 其中.cpp文件用于游戏具体函数设计&#xff0c;.h文件为游戏的函数声明&#xff0c;test.cpp文件用于测试游戏运行。 需要用到的头文件&#xff1a; #include <stdio.h> #include <stdlib.h>//rand&srand #include <time.h>//时间相…...

Android 广播阻塞、延迟问题分析方法

一、问题 最近遇到一个问题&#xff0c;发送广播&#xff08;普通广播&#xff09;给另一个应用&#xff0c;但是广播需要要等约1min后才收到。 二、分析原因 原因是系统有个广播接收器在接收到广播后处理了接近50s&#xff0c;所以阻塞了后面的广播处理。如果大家也出现了广…...

HTML JS 解析器出sql 中 的所有表名称,支持多条SQL

<!DOCTYPE html> <html> <head><title>SQL表名提取器</title><script src"https://code.jquery.com/jquery-3.6.0.min.js"></script><script>function extractTableNames() {// 获取输入的SQL语句var sql document…...

【雕爷学编程】Arduino动手做(05)---热敏电阻模块之的基本参数、模块特色、电原理与使用说明

37款传感器与模块的提法&#xff0c;在网络上广泛流传&#xff0c;其实Arduino能够兼容的传感器模块肯定是不止37种的。鉴于本人手头积累了一些传感器和执行器模块&#xff0c;依照实践出真知&#xff08;一定要动手做&#xff09;的理念&#xff0c;以学习和交流为目的&#x…...

MS31860T 国产 8通道串行接口低边驱动器 可PIN TO PIN替代DRV8860 高性价比

MS31860T 国产 8通道串行接口低边驱动器 可PIN TO PIN替代DRV8860 高性价比 产品简述 MS31860T 是一款 8 通道低边驱动器&#xff0c;包含 SPI 串口通信、 PWM斩波器配置、过流保护、短路保护、欠压锁定和过热关断功能&#xff0c;芯片可以读取每个通道的状态。MS31860T 可以…...

百度 amis 当成 UI 库用

百度 amis 当成 UI 库用 1.获取到这些 amis 对外提供的方法 var amisLib amisRequire(amis);// 获取到这些 amis 对外提供的方法。 2.js中使用百度amis中 confirm amisLib.confirm(amisLib 是否确认).then((confirmed) > {if (confirmed) {// 用户确认后执行的操作consol…...

质检工具(FindBugs、CheckStyle、Junit、Jmeter、Apifox)

1、Findbugs IDEA软件中可以装该插件,2018版本以前主要搜索FindBugs-IDEA 、2018版本以后主要搜索 SpotBugs。 1.1、FindBugs-IDEA安装及使用流程: 1.2、SpotBugs安装及使用流程: 2、Checkstyle IDEA软件中可以装该插件,所有版本的插件一致:CheckStyle 2.1、安装流程…...

MS31803TE 国产 四通道低边驱动器 PIN对PIN替代DRV8803

MS31803TE 国产 四通道低边驱动器 PIN对PIN替代DRV8803 产品简述 MS31803TE 是一个具有过流保护功能的 4 通道低边驱动器。MS31803TE 内置钳位二极管&#xff0c;用来钳制由电感负载续流产生的电压。MS31803TE 可以驱动单极步进电机、直流电机、继电器、螺线管或者其它负载。…...

wordpress数据表中标签和分类如何区分?

wordpress中标签和分类是什么关系怎么区分&#xff1f;最后有一个群的网友告诉了我文章ID和标签ID的关系是放在了wp_term_relationships表中&#xff0c;然后我百度了下这个表的结构和相关介绍&#xff0c;发现果然如此&#xff0c;先把文章保存起来&#xff1a; wp_term_rela…...

css3 实现文字横幅无缝滚动

css3 实现文字横幅无缝滚动 使用 css3 关键帧 keyframes 和 animation 属性实现文字横幅无缝滚动。 <template><div class"skiHallBanner"><div class"skiHallBanner-text"><span>{{ text }}</span></div></div>…...

unity 修改默认脚本

using System.Collections; using System.Collections.Generic; using UnityEngine; //***************************************** //创建人&#xff1a; xxxx //功能说明&#xff1a; //***************************************** #ROOTNAMESPACEBEGIN# public class #SCRI…...

【MySQL】增删查改基础

文章目录 一、创建操作1.1 单行插入1.2 多行插入1.3 插入否则替换更新1.4 替换replace 二、查询操作2.1 select查询2.2 where条件判断2.3 order by排序2.4 limit筛选分页结果 三、更新操作四、删除操作4.1 删除一列4.2 删除整张表数据 五、插入查询结果 CRUD : Create(创建), R…...

【vue+el-table+el-backtop】表格结合返回顶部使用,loading局部加载

效果图: 一. 表格结合返回顶部 二. 局部loading 解决方法: 一 返回顶部 target绑定滚动dom的父元素类名就可以了. 1.如果你的表格是 固定表头 的,那滚动dom的父元素类名就是 el-table__body-wrapper <el-backtop target".el-table__body-wrapper" :visibility…...

设计模式(4)装饰模式

一、介绍&#xff1a; 1、应用场景&#xff1a;把所需的功能按正确的顺序串联起来进行控制。动态地给一个对象添加一些额外的职责&#xff0c;就增加功能来说&#xff0c;装饰模式比生成子类更加灵活。 当需要给一个现有类添加附加职责&#xff0c;而又不能采用生成子类的方法…...

Redis——通用命令介绍

Redis官方文档 redis官方文档 核心命令 set 将key和value存储到Redis中&#xff0c;key和value都是字符串 set key valueRedis中不区分大小写&#xff0c;字符串类型也不需要添加单引号或者双引号 get 根据key读取value&#xff0c;如果当前key不存在&#xff0c;则返回…...

EmberJS教程_编程入门自学教程_菜鸟教程-免费教程分享

教程简介 Ember.js 是一个开源 JavaScript框架&#xff0c;用于开发基于模型-视图-控制器( MVC)架构的大型客户端 Web 应用程序。 Ember 旨在减少开发时间和提高生产力&#xff0c;它是全球采用的增长最快的前端应用程序框架之一。它目前在许多网站上使用&#xff0c;例如 Squ…...

Diffusion扩散模型学习4——Stable Diffusion原理解析-inpaint修复图片为例

Diffusion扩散模型学习4——Stable Diffusion原理解析-inpaint修复图片为例 学习前言源码下载地址原理解析一、先验知识二、什么是inpaint三、Stable Diffusion中的inpaint1、开源的inpaint模型2、基于base模型inpaint 四、inpaint流程1、输入图片到隐空间的编码2、文本编码3、…...

VinXiangQi:如何用计算机视觉技术打造终极中国象棋智能辅助系统

VinXiangQi&#xff1a;如何用计算机视觉技术打造终极中国象棋智能辅助系统 【免费下载链接】VinXiangQi Xiangqi syncing tool based on Yolov5 / 基于Yolov5的中国象棋连线工具 项目地址: https://gitcode.com/gh_mirrors/vi/VinXiangQi 在数字化时代&#xff0c;传统…...

3大技术突破重新定义多模态交互:AudioCLIP的跨模态语义对齐解决方案

3大技术突破重新定义多模态交互&#xff1a;AudioCLIP的跨模态语义对齐解决方案 【免费下载链接】AudioCLIP Source code for models described in the paper "AudioCLIP: Extending CLIP to Image, Text and Audio" (https://arxiv.org/abs/2106.13043) 项目地址:…...

、SEATA分布式事务——XA模式咀

MySQL 中的 count 三兄弟&#xff1a;效率大比拼&#xff01; 一、快速结论&#xff08;先看结论再看分析&#xff09; 方式 作用 效率 一句话总结 count(*) 统计所有行数 最高 我是专业的&#xff01;我为统计而生 count(1) 统计所有行数 同样高效 我是 count(*) 的马甲兄…...

Embree 4.4.0完全指南:终极光线追踪性能优化方案 [特殊字符]

Embree 4.4.0完全指南&#xff1a;终极光线追踪性能优化方案 &#x1f680; 【免费下载链接】embree Embree ray tracing kernels repository. 项目地址: https://gitcode.com/gh_mirrors/em/embree Embree 4.4.0是Intel开发的高性能光线追踪内核库的最新版本&#xff0…...

Phi-3-mini-4k-instruct-gguf快速上手:VS Code远程开发+Jupyter Notebook联调

Phi-3-mini-4k-instruct-gguf快速上手&#xff1a;VS Code远程开发Jupyter Notebook联调 1. 环境准备与快速部署 Phi-3-mini-4k-instruct-gguf是微软推出的轻量级文本生成模型&#xff0c;特别适合问答、文本改写、摘要整理等场景。本文将带你快速搭建开发环境&#xff0c;实…...

ArcGIS空间连接实战:如何高效挂接地图斑属性到mdb数据库

ArcGIS空间连接实战&#xff1a;高效挂接地图斑属性到mdb数据库的完整指南 在空间数据处理工作中&#xff0c;将属性数据与空间图形精准关联是GIS分析的基础环节。许多技术人员在使用ArcGIS进行地图斑属性挂接时&#xff0c;常遇到数据不匹配、连接失败或效率低下的问题。本文将…...

ARM 架构 JuiceFS 性能优化:基于 MLPerf 的实践与调优迷

Qt是一个跨平台C图形界面开发库&#xff0c;利用Qt可以快速开发跨平台窗体应用程序&#xff0c;在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置&#xff0c;实现图形化开发极大的方便了开发效率&#xff0c;本笔记将重点介绍QSpinBox数值微调组件的常用方法及灵活应用。…...

AI写文+自动发布实现方法,自媒体矩阵新玩法

不少自媒体运营者在内容产出上常常面临时间紧、任务重的问题。每天要构思选题、撰写文案、排版配图、多平台分发&#xff0c;流程繁琐且重复性高。于是&#xff0c;有人尝试将AI写作与自动发布结合起来&#xff0c;看看是否真能提升效率。我们也在实际操作中验证了这一组合的效…...

被遗忘的宝藏:深度挖掘一款停更20年的神器——拖把更名器

在软件的海洋中&#xff0c;有这样一类特殊的存在&#xff1a;它们并非出自大公司之手&#xff0c;也没有大规模的商业推广&#xff0c;却凭借着优秀的设计和实用的功能&#xff0c;在用户中口口相传。 它们可能已经停更多年&#xff0c;在主流软件平台上难觅踪迹&#xff0c;但…...

财会行业学数据分析的价值分析

数字化转型背景下财会行业的变革需求财会行业正经历从传统核算向数据驱动的转型。企业财务数据量激增&#xff0c;人工处理效率低下&#xff0c;而数据分析能实现自动化处理、实时监控和深度洞察。例如&#xff0c;通过预测模型优化资金配置&#xff0c;或利用可视化工具快速识…...