一道经典题,题目描述略。
第一写斜率优化,好紧张啊~~~~
首先就写了一个大暴力:
定义f[i]为已经分配了i个玩具时的最小费用。
方程容易写出:
f[i] = f[j] + w[j][i];
其中(w[j][i] = (sum_i - sum_j + i - (j+1) - l ) ^ 2)
明显地,这是一个O(n2)的算法,只能得到题目30的分数。
所以我们上斜率优化。
首先我们分析复杂度:状态为O(n),转移为O(n)
状态已经可以认为无法继续优化了(除非使用其他算法),所以我们考虑优化转移。
曾经我们做过很多题目,可以使用单调队列来获得均摊O(1)的转移复杂度,这里也是类似思路。
经过一些推导(这里略去,http://medalplus.com/?p=1751#Solution写的很不错),我们可以知道决策i比决策j优当且仅当(i>j)
其中,G[i] = S[i] + i, 常数M = 1 + l, S[i] = S[i-1]+C[i],x是当前需要进行决策的点.
根据G[x]的定义,可以知道G[x]是单调递增的。
所以我们证明这样两个性质:
性质一:
如果我们把每一个状态抽象成一个点,那么原式可以看作i到j连线的斜率。
我们说:对于一个决策x,其最优决策一定在x决策前面的决策的点连成的一个下凸包上。
对于这个结论:
考虑有一个要加入的点k>j, 且k[j-1][j] > k[j][k]
因为j点已经在这个下凸包上,所以j一定比j-1更优,所以k[j-1][j] < G[x]
又因为k[j][k] < k[j-1][j],
所以k[j][k] < G[x]
所以k比j更优
所以我们把j点舍弃,在操作中就是从尾端弹出双端队列。
直接把j-1点连上k即可。
这样我们就证明了性质一。
性质二:
因为G[x]单调递增,所以我们可以从前向后弹出最前端元素来保证k[head][head+1] > G[i]
这时k[head]一定是最优的。
根据定义不难得出这个结论。
在两个性质的推导中,我们也得到了维护下凸包的方法,具体详见代码。
下面是代码。
#include <bits/stdc++.h>
#define ll long long
using namespace std;
const int maxn = 50005;
ll n, l;
ll f[maxn];
ll c[maxn], s[maxn], g[maxn];
ll pow(ll n) {return n*n;}
ll que[maxn];
int alpha;
int head, tail, size;
double calck(int a, int b) {
return (double)(f[b]-f[a]+pow(g[b]+alpha)-pow(g[a]+alpha))/(double)(2*(g[b]-g[a]));
}
int main() {
scanf("%d %d", &n, &l);
alpha = l+1;
s[0] = 0;
for(int i = 1; i <= n; i++) {
scanf("%d", &c[i]);
s[i] = s[i-1] + c[i];
g[i] = s[i] + i;
}
f[0] = 0;
head = 1;
tail = 1;
size = 1;
que[head] = 0;
for(int i = 1; i <= n; i++) {
while(size >= 2) {
int a = que[head];
int b = que[head+1];
if(calck(a, b) < g[i]) {
head++;
size--;
}
else break;
}
int n = que[head];
f[i] = f[n]+pow(s[i]-s[n]+i-n-1-l);
if(size>=2){int x = que[tail];
int y = que[tail-1];
while(calck(x, i) < calck(y, x)) {
tail--;
size--;
if(size < 2) break;
x = que[tail];
y = que[tail-1];
}}
tail++;
que[tail] = i;
size++;
}
//for(int i = 1; i <= n; i++) cout << f[i] << ' ';
//cout << endl;
printf("%lld
", f[n]);
}