线性 dp
SP15637 GNYR04H
按照编号从小到大摆放所有人
-
- 每个人都只能放在已经存在的某个人的后面
-
- (除第一行外)任何一行的人数都不能比后一行多
状态表示:\(f[a][b][c][d][e]\) 表示第一行 \(a\) 个人,第二行 \(b\) 个人,...,第五行 \(e\) 个人的合法方案数
然后在每个状态下枚举每一行,如果某一行能放入一个人,那么就将当前状态的方案数累加到放入一个人的新方案的方案数中。
总结:设计动态规划的转移方程,不一定要以“如何计算出一个状态”的形式给出,也可以考虑“一个已知状态应该更新哪些后续阶段的未知状态”。
int n, f[N][N][N][N][N];
signed main()
{
while (cin >> n and n != 0)
{
int s[5] = {0};
for (rint i = 0; i < n; i++) cin >> s[i];
memset(f, 0, sizeof f);
f[0][0][0][0][0] = 1;
for (rint a = 0; a <= s[0]; a++)
for (rint b = 0; b <= s[1]; b++)
for (rint c = 0; c <= s[2]; c++)
for (rint d = 0; d <= s[3]; d++)
for (rint e = 0; e <= s[4]; e++)
{
int &x = f[a][b][c][d][e];
if (a && a - 1 >= b) x += f[a - 1][b][c][d][e];
if (b && b - 1 >= c) x += f[a][b - 1][c][d][e];
if (c && c - 1 >= d) x += f[a][b][c - 1][d][e];
if (d && d - 1 >= e) x += f[a][b][c][d - 1][e];
if (e) x += f[a][b][c][d][e - 1];
}
cout << f[s[0]][s[1]][s[2]][s[3]][s[4]] << endl;
}
return 0;
}
AcWing 272. 最长公共上升子序列
设 \(f[i][j]\) 表示 \(a[1]\)~\(a[i]\) 与 \(b[1]\)~\(b[j]\) 可以构成的以 \(b[j]\) 结尾的最长公共上升子序列的长度。
当 \(a[i] ≠ b[j]\) 时,有
\[f[i][j] = f[i - 1][j] \]当 \(a[i] = b[j]\) 时,有
\[f[i][j] = \max_{0≤k<j,b_k<a_i}{\{ f[i-1][k] \}} + 1 \]在转移过程中,把满足 \(0≤k<j,b_k<a_i\) 的 \(k\) 构成的集合称为 \(f[i][j]\) 进行状态转移时的决策集合,记为 \(S(i,j)\)。注意到,在第二层循环 \(j\) 从 \(1\) 增加到 \(m\) 事,第一层循环 \(i\) 是一个定值,这使得条件 \(b_k<a_i\) 是固定的。因此,当变量 \(j\) 增加 \(1\) 时,\(k\) 的取值范围从 \(0≤k<j\) 变为 \(0≤k<j+1\),即整数 \(j\) 可能会进入新的决策集合。
当 \(a_i≤b_j\) 时
\[S(i,j+1)=S(i,j) \]反之则有
\[S(i,j+1)=S(i,j)⋃\{j\} \]int n;
int a[N], b[N];
int f[N][N];
//表示 a[1]~a[i] 与 b[1]~b[j] 可以构成的以 b[j] 结尾的最长公共上升子序列的长度。
signed main()
{
cin >> n;
a[0] = b[0] = -inf;
for (rint i = 1; i <= n; i++) cin >> a[i];
for (rint i = 1; i <= n; i++) cin >> b[i];
for (rint i = 1; i <= n; i++)
{
int val = 1;
//val 是决策集合 S(i, j) 中 f[i - 1][k] + 1 的最大值
for (rint j = 1; j <= n; j++)
{
if (a[i] == b[j]) f[i][j] = val;
//f[i][j] = f[i - 1][j] + 1
else f[i][j] = f[i - 1][j];
//j 即将变成 j + 1,如果满足 a[i] > b[j],则将 j 加入新的决策集合
if(a[i] > b[j]) val = max(val, f[i - 1][j] + 1); //更新新的决策集合中 f[i - 1][k] + 1 的最大值
}
}
int ans = 0;
for (rint i = 1; i <= n; i++) ans = max(ans, f[n][i]);
cout << ans << endl;
return 0;
}
对于决策集合中的元素只僧增多不减少的情景,就可以维护一个变量来记录决策集合的当前信息,避免重复扫描降低复杂度。
P2893 Making the Grade G
构造出的序列 \(b\) 需要满足单调性,可以是单调递增也可以是单调递减,这里只需要正着反着各算一次取最小即可。
引理:在满足 $ s$ 最小的前提下,一定存在一种构造方案,使得序列 \(b\) 中的所有数值都在序列 a 中出现过。
依次考虑在完成前 \(i\) 个数的构造时 \(s\) 的最小值。因此我们可以按照
长度从 $1 \(~\) n$ 来对已经处理完的前缀序列进行转移,在转移的过程中,为了确保单调性,还需要知道 \(b[i - 1]\) 的取值。
为了能在转移的同时知道 \(b[i - 1]\) 的取值,我们可以直接用二维的状态来转移。
设 \(f[i][j]\) 表示完成前 \(i\) 个数的构造,其中 \(b[i] = j\) 时,\(s\) 的最小值。
由此得出状态转移方程
\[f[i][j]=\min_{0≤k≤j}{\{ f[i-1][k]+|a_i-j| \}} \]对序列 \(a\) 中出现的数进行离散化,把 dp 状态中第二维 \(j\) 的范围降低到 \(O(n)\)。本题的转移和上一题非常相似,决策集合只多不少,\(O(1)\) 即可实现转移,时间复杂度 \(O(n^2)\)
int n;
int a[N], b[N];
//原序列、离散化序列
int f[N][N];
//示完成前 i 个数的构造,其中 b[i] = j 时,s 的最小值
int work()
{
for (rint i = 1; i <= n; i++) b[i] = a[i];
//将原序列拷贝到离散化序列中
sort(b + 1, b + 1 + n);
for (rint i = 1; i <= n; i++)
{
int val = inf;
//val 表示所有 f[i - 1][k] 的最小值
for (rint j = 1; j <= n; j++) //枚举第 i 位的取值
{
val = min(val, f[i - 1][j]);
//决策集合加入新的 j,需要更新最小的 f[i - 1][k]
f[i][j] = val + abs(a[i] - b[j]);
//状态转移方程 ( j 是离散化后的下标,b[j] 才是要选的值 )
}
}
int ans = inf;
//记录最小值 s
for (rint i = 1; i <= n; i++) ans = min(ans, f[n][i]);
//从第 n 位的所有取值中取最小值
return ans;
}
signed main()
{
cin >> n;
for (rint i = 1; i <= n; i++) cin >> a[i];
int res1 = work(); //构造递增序列的最小值
reverse(a + 1, a + 1 + n); //将序列颠倒
int res2 = work(); //构造递减序列的最小值
cout << min(res1, res2) << endl; //两种情况取最小值
return 0;
}
SP703 SERVICE
可以发现本题 \(dp\) 的 "阶段" 就是 "已经完成的请求数量",通过指派一个员工,可以把一个 "完成 \(i-1\) 个请求" 的状态
转移到 "完成 \(i\) 个请求" 的状态。
为了计算指派员工的花费,在转移时我们还需要知道每个服务员的位置,由于员工的数量不多,因此最直接的方法就是将
三个员工的位置也存储在每个状态中。
设 \(f[i][x][y][z]\) 表示已经完成了第 \(i\) 个请求,三个员工分别在 \(x, y, z\) 时的最小花费。
我们只需要考虑 \(f[i][x][y][z]\) 能更新哪些状态,很显然, 能更新的状态只有三种,即指派哪个员工去完成请求:
设 \(p[i]\) 表示第 i 个请求所在的位置
\[f[i + 1][p[i + 1]][y][z] = min{ f[i + 1][p[i + 1]][y][z], f[i][x][y][z] + c(x, p[i + 1]) } \]\[f[i + 1][x][p[i + 1]][z] = min{ f[i + 1][x][p[i + 1]][z], f[i][x][y][z] + c(y, p[i + 1]) } \]\[f[i + 1][x][y][p[i + 1]] = min{ f[i + 1][x][y][p[i + 1]], f[i][x][y][z] + c(z, p[i + 1]) } \]可以发现,在第 \(i\) 个请求完成时,一定有某个员工位于 \(p[i]\),我们只需要记录另外两个员工的位置即可。由此能降一维。
设 \(f[i][x][y]\) 表示已经完成了第 \(i\) 个请求,三个员工分别在 \(p[i], x, y\) 时的最小花费。
根据和上面类似的方式,这里同样有三种更新状态。
\[f[i + 1][x][y] = min{ f[i + 1][x][y], f[i][x][y] + c(p[i], p[i + 1]) } \]\[f[i + 1][p[i + 1]][y] = min{ f[i + 1][p[i]][y], f[i][x][y] + c(x, p[i + 1]) } \]\[f[i + 1][x][p[i + 1]] = min{ f[i + 1][x][p[i]], f[i][x][y] + c(y, p[i + 1]) } \]还需要定义初始状态,最开始三个员工分别在 \(1, 2, 3\),不妨设 \(p[0] = 3\),那么初值可设 \(f[0][1][2] = 0\),目标为 \(f[n][?][?]\)。
注意,本题要求同一位置不能出现两个员工,所以转移的过程中还需要特判状态的合法性。
总结:
-
1.若阶段不足以表示一个状态,可以把所需的附加信息也作为状态的维度
-
2.要选择最小的能够覆盖整个状态空间的维度。
int n, m;
int d[N][N];
int p[M];
//p[i] 表示第 i 个请求所在的位置
int f[M][N][N];
//f[i][x][y] 表示已经完成了第 i 个请求,三个员工分别在 p[i], x, y 时的最小花费。
signed main()
{
int T;
cin >> T;
while (T--)
{
cin >> n >> m;
memset(d, 0, sizeof d);
memset(p, 0, sizeof p);
for (rint i = 1; i <= n; i++)
for (rint j = 1; j <= n; j++)
cin >> d[i][j];
for (rint i = 1; i <= m; i++) cin >> p[i];
memset(f, 0x3f, sizeof f);
p[0] = 3;
f[0][1][2] = 0;
for (rint i = 0; i < m; i++)
{
for (rint x = 1; x <= n; x++)
{
for (rint y = 1; y <= n; y++)
{
int z = p[i], u = p[i + 1];
if(x == z || x == y || y == z) continue;
f[i + 1][x][y] = min(f[i + 1][x][y], f[i][x][y] + d[z][u]);
f[i + 1][z][y] = min(f[i + 1][z][y], f[i][x][y] + d[x][u]);
f[i + 1][x][z] = min(f[i + 1][x][z], f[i][x][y] + d[y][u]);
}
}
}
//从所有完成请求的方案中取花费最小值
int res = inf;
for (rint x = 1; x <= n; x++) //枚举完成所有请求时剩下两个员工所在的位置
{
for (rint y = 1; y <= n; y++)
{
int z = p[m];
if(x == z || x == y || y == z) continue;
res = min(res, f[m][x][y]);
}
}
cout << res << endl;
}
return 0;
}
P1006 传纸条
按照每一步来看,本题的每个位置都是一个二维坐标,因此考虑每个状态用两个二维坐标表示,得出初步的状态表示。
设 \(f[x_1][y_1][x_2][y_2]\) 表示第一条路径走到 \((x_1, y_1)\),第二条路经走到 \((x_2, y_2)\) 时的最大价值
但是这里有个问题,我们没法限制每条路径的长度,因为两条路径是同时走的,我们没法保证两个路径同时到终点,而且两条路径可能存在重合,我们没法保证两条路径不会重合。
因此还需要加入一个限制条件,可以发现限制条件就是长度,保证当前状态两条路径都只走了 \(i\) 步。
但是这样就有 $5 $ 个属性需要存储,五维状态过于复杂,我们可以挖掘一下其中的性质来进行优化。
由于两条路径当前都只走了 \(i\) 步,因此 \(x_1 + y_1 = x_2 + y_2 = i\),即 \(y_1 = i - x_1, y_2 = i - x_2\)
可以发现,由于只能往右走或往下走,所以我们只需要知道横坐标或纵坐标,另一个坐标可以直接计算得出,因此可以降两维。
设 $f[i][x1][x2] $ 表示第一条路径走到 \((x_1, i - x_1)\),第二条路经走到 \((x_2, i - x_2)\) 时的最大价值
每条路径都有向右、向下两种走法,所以每个状态有四种转移方式,
设 \(w[x][y]\) 表示 \((x, y)\) 上的物品价值
\[f[i][x_1][x_2] = max{ f[i][x_1][x_2], f[i - 1][x_1 - 1][x_2 - 1] + w } \]\[f[i][x_1][x_2] = max{ f[i][x1][x_2], f[i - 1][x_1 - 1][x_2] + w } \]\[f[i][x_1][x_2] = max{ f[i][x1][x_2], f[i - 1][x_1][x_2 - 1] + w } \]\[f[i][x_1][x_2] = max{ f[i][x1][x_2], f[i - 1][x_1][x_2] + w } \]最开始两个路径都从 \((1, 1)\) 开始,因此初始状态为 \(f[2][1][1] = 0\),结束状态为 \(f[n + m][n][n]\)
int n, m;
int w[N][N];
//w[i][j] 表示 (i, j) 位置上的价值
int f[N + N][N][N];
//f[i][x1][x2] 表示第一条路径走到 (x1, i - x1),第二条路经走到 (x2, i - x2) 时的最大价值
signed main()
{
cin >> n >> m;
for (rint i = 1; i <= n; i++)
for (rint j = 1; j <= m; j++)
cin >> w[i][j];
memset(f, -0x3f, sizeof f);
f[2][1][1] = 0;
for (rint i = 2; i <= n + m; i++)
{
for (rint x1 = 1; x1 <= n; x1++)
{
for (rint x2 = 1; x2 <= n; x2++)
{
int y1 = i - x1, y2 = i - x2;
if (y1 < 1 || y1 > m || y2 < 1 || y2 > m) continue;
int t = w[x1][y1];
if (x1 != x2 || i == 2 || i == n + m)
//除了起点和终点,其他时候两条路径不能走到同一个格子上
{
t += w[x2][y2];
int &x = f[i][x1][x2];
//状态转移方程
x = max(x, f[i - 1][x1 - 1][x2 - 1] + t);
x = max(x, f[i - 1][x1 - 1][x2] + t);
x = max(x, f[i - 1][x1][x2 - 1] + t);
x = max(x, f[i - 1][x1][x2] + t);
}
}
}
}
cout << f[n + m][n][n] << endl;
return 0;
}
AcWing 276. I-区域
从上往下看它的左端点下标先递减后递增右端点下标先递增后递减, 从上往下看,它的左端点下标先递减后递增,右端点下标先递增后递减。
设 \(f[i,j,l,r,0/1,0/1]\) 表示当前为第 \(i\) 行,已经用了 \(j\) 个格子,凸连通块在第 \(i\) 行的左端点为 \(l\),右端点为 \(r\),左端点现在在递增 \((0)\) 还是递减 \((1)\),右端点在递增 \((0)\) 还是递减 \((1)\)。那么可以列出状态转移方程:
\[len=r-l+1 \]\[f[i][j][l][r][1][0]=\sum_{p=l}^{r}a[i][p]+max_{l≤p≤q≤r}{\{}f[i-1][j-len][p][q][1][0]{\}}\\ \]\[f[i][j][l][r][1][1]=\sum_{p=l}^{r}a[i][p]+max_{l≤p≤r≤q}{\{}max_{0≤y≤1}{\{}f[i-1][j-len][p][q][1][y]{\}}{\}}\\ \]\[f[i][j][l][r][0][0]=\sum_{p=l}^{r}a[i][p]+max_{p≤l≤q≤r}{\{}max_{0≤x≤1}{\{}f[i-1][j-len][p][q][x][0]{\}}{\}}\\ \]\[f[i][j][l][r][0][1]=\sum_{p=l}^{r}a[i][p]+max_{p≤l≤r≤q}{\{}max_{0≤x≤1}{\{}max_{0≤y≤1}{\{}f[i-1][j-len][p][q][x][y]{\}}{\}}{\}} \]目标状态:\(max\{f(i,K,l,r,x,y)\}\)。
时间复杂度为 \(O(N * M^4 * K)\)
int n, m, k;
int a[N][N], s[N][N];
//a 表示原数组,s 表示每一行的前缀和数组
// f[i][j][l][r][x][y] 表示前 i 行选择了 j 个格子,其中第 i 行选择了第 l 到 r 个格子(若不选均为 0),
// 左边界的单调性类型为 x,右边界的单调性类型为 y(0 表示递增,1 表示递减)时,能构成的凸连通块的最大权值和。
int f[N][M][N][N][2][2];
int res;
//记录最大价值
//pre 记录所有状态的前驱状态,ans 记录最优的结束状态
struct Pre
{
int i, j, l, r, x, y;
} pre[N][M][N][N][2][2], ans;
// f[i][j][l][r][x][y] 表示当前需要更新的状态
// f[i - 1][j - (r - l + 1)][L][R][X][Y] 表示当前状态的前驱状态
// w 表示当前转移过来的价值
void turn(int i, int j, int l, int r, int x, int y, int L, int R, int X, int Y, int w)
{
if (w <= f[i][j][l][r][x][y]) return;
//只有 > 记录的价值才需要更新
//更新
f[i][j][l][r][x][y] = w;
pre[i][j][l][r][x][y] = {i - 1, j - (r - l + 1), L, R, X, Y};
}
void print(Pre t)
//从结束状态递归回推整个方案
{
if (!t.j) return; //从结束状态回推到没选中格子的状态(起始状态)即可结束
print(pre[t.i][t.j][t.l][t.r][t.x][t.y]); //往回递推
//输出当前层选中的所有格子
for (rint i = t.l; i <= t.r; i++) printf("%lld %lld\n", t.i, i);
}
signed main()
{
cin >> n >> m >> k;
for (rint i = 1; i <= n; i++)
{
for (rint j = 1; j <= m; j++)
{
cin >> a[i][j];
s[i][j] = s[i][j - 1] + a[i][j];
}
}
memset(f, -0x3f, sizeof f);
for (rint i = 0; i <= n; i++) f[i][0][0][0][1][0] = 0;
for (rint i = 1; i <= n; i++)
for (rint j = 1; j <= k; j++)
for (rint l = 1; l <= m; l++)
for(rint r = l; r <= m; r++)
{
if(r - l + 1 > j) break;
//当前行选的格子数 > 选中的总格子数,不合法的状态直接跳过
int w = s[i][r] - s[i][l - 1];
//记录当前行选中 l ~ r 能获得的总价值
//状态 1 左边界递减,右边界递增(左、右边界都扩张)
//状态 1.1 j == r - l + 1
if (j == r - l + 1)
{
f[i][j][l][r][1][0] = w + f[i - 1][0][0][0][1][0];
//f[i - 1][0][0][0][1][0] = 0
}
else //状态 1.2 j > r - l + 1
{
for (rint p = l; p <= r; p++)
for (rint q = p; q <= r; q++)
turn(i, j, l, r, 1, 0, p, q, 1, 0, w + f[i - 1][j - (r - l + 1)][p][q][1][0]);
}
//状态 2 左边界递减,右边界递减(左边界扩张,右边界收缩)
for (rint p = l; p <= r; p++)
for (rint q = r; q <= m; q++)
{
turn(i, j, l, r, 1, 1, p, q, 1, 0, w + f[i - 1][j - (r - l + 1)][p][q][1][0]);
turn(i, j, l, r, 1, 1, p, q, 1, 1, w + f[i - 1][j - (r - l + 1)][p][q][1][1]);
}
//状态 3 左边界递增,右边界递增(左边界收缩,右边界扩展)
for (rint p = 1; p <= l; p++)
for (rint q = l; q <= r; q++)
{
turn(i, j, l, r, 0, 0, p, q, 0, 0, w + f[i - 1][j - (r - l + 1)][p][q][0][0]);
turn(i, j, l, r, 0, 0, p, q, 1, 0, w + f[i - 1][j - (r - l + 1)][p][q][1][0]);
}
//状态 4 左边界递增,右边界递减(左、右边界都收缩)
for (rint p = 1; p <= l; p++)
for (rint q = r; q <= m; q++)
{
turn(i, j, l, r, 0, 1, p, q, 0, 0, w + f[i - 1][j - (r - l + 1)][p][q][0][0]);
turn(i, j, l, r, 0, 1, p, q, 0, 1, w + f[i - 1][j - (r - l + 1)][p][q][0][1]);
turn(i, j, l, r, 0, 1, p, q, 1, 0, w + f[i - 1][j - (r - l + 1)][p][q][1][0]);
turn(i, j, l, r, 0, 1, p, q, 1, 1, w + f[i - 1][j - (r - l + 1)][p][q][1][1]);
}
//更新并记录最大价值,以及最大价值对应的状态(结束状态)
if (j == k) //所有选中 k 个格子的状态都是结束状态
{
for (rint x = 0; x < 2; x++)
for (rint y = 0; y < 2; y++)
if(res < f[i][k][l][r][x][y])
{
res = f[i][k][l][r][x][y];
ans = {i, k, l, r, x, y};
}
}
}
printf("Oil : %lld\n", res);
print(ans);
return 0;
}
AcWing 277. 饼干
贪心的角度出发,贪婪度大的孩子应该获得更多的饼干,才能使整体的怨气总和变得更小,这一点用邻项交换的方法能证明。因此可以降所有孩子按照贪婪值从大到小排序,这样他们分配到的饼干数就是单调递减的。根据这个性质,我们能够更好的维护 \(a[i]\),即分到的饼干比第 \(i\) 个孩子多的人数,便于我们计算每个孩子的怨气
设 \(f[i][j]\) 表示前 \(i\) 个孩子一共分配了 \(j\) 块饼干时,他们的怨气总和最小值
考虑第 \(i + 1\) 个孩子分到的饼干数量,以此来进行状态转移,转移时共有两种情况。
-
- 第 \(i + 1\) 个孩子获得的饼干数比第 \(i\) 个孩子少,此时由于每个孩子分到的饼干数时递减的,所以前 \(i\) 个孩子分到的饼干数都比第 \(i + 1\) 个孩子多,而后面的所有孩子分到的饼干数量都不会大于第 $i + 1 $ 个孩子,因此此时 \(a[i + 1] = i\),即有 \(i\) 个人分到的饼干比第 \(i + 1\) 个孩子多。
-
- 第 \(i + 1\) 个孩子获得的饼干数和第 \(i\) 个孩子相同,此时还需要知道 \(i\) 前面有几个孩子与 \(i\) 获得的饼干数也相同,才能计算出 \(a[i + 1]\)
无论是以上哪种情况,我们都需要知道第 \(i\) 个孩子获得的饼干数,以及 \(i\) 前面有多少个孩子与 \(i\) 获得的饼干数相同,但是目前的 \(dp\) 状态难以维护这两个信息。
这里我们不妨对状态做一个等价转换。
-
- 若第 \(i\) 个孩子获得的饼干数大于 \(1\),则等价于分配 \(j - i\) 个饼干给前 \(i\) 个孩子,即每人少拿一块饼干,这样所有人获得的饼干数之间的相对大小关系没有发生改变,从而怨气总和也不变。
-
- 若第 \(i\) 个孩子获得的饼干数为 \(1\),由于每个孩子必须有一块饼干,因此不能再减少,这时则需要枚举 \(i\) 前面有多少个孩子也获得 \(1\) 块饼干。
通过这样一个等价转换的方式得出整个算法的状态转移方程:
\[f[i][j] = min(f[i][j-i],\min_{0≤k<i}{\{f[k][j-(i-k)]+k*\sum_{p=k+1}^{i}g[p]\}}) \]最开始没有分配一个饼干,因此起始状态为 \(f[0][0] = 0\),结束状态就是将 \(m\) 个饼干分给 \(n\) 个小孩,即 \(f[n][m]\)
这题启发我们可以用额外的算法确定 \(dp\) 状态的计算顺序,还可以在状态空间中运用等效的方法对状态进行缩放,使得需要计算的问题得到非常大的简化,更容易维护和转移。
int n, m;
//g[i] 表示第 i 个小孩的贪婪度
//c[i] 表示贪婪度第 i 大的小孩在原序列中排第 c[i] 个
//s[i] 表示 c[i] 的前缀和
int g[N], c[N], s[N];
int f[N][M];
//f[i][j] 表示前 i 个孩子一共分配了 j 块饼干时,他们的怨气总和最小值
pair<int, int> pre[N][M];
//pre[i][j] 记录 f[i][j] 的前驱状态
int res[N];
//res[i] 表示最优方案中第 i 个孩子分到的饼干数
bool cmp(int a, int b) //比较函数,按照贪婪度从大到小排序
{
return g[a] > g[b];
}
void print(pair<int, int> t)
//从结束状态回推整个方案
{
int a = t.first, b = t.second;
if (!a) return;
//如果回推完每个人的饼干数,结束
print(pre[a][b]); //从当前状态继续回推方案
/*
如果当前状态和前一个状态分糖果的人数相同,说明是 f[i][j] = f[i][j - i],
这种情况在转移的过程中我们进行了前 i 个孩子都少一块饼干的等价转换,所以
回推的时候需要往回转换,即前 i 个孩子增加一块饼干
*/
if (pre[a][b].first == a) for(rint i = 1; i <= a; i++) res[c[i]]++;
else
{
/*
否则说明前一个状态到当前状态的中间这段小孩都是相同饼干数,由于递归进
去再出来,所以这一段在整个序列的最末尾,这一段小孩的饼干数对当前状态
来说可以取最小,即取 1
*/
for (rint i = pre[a][b].first + 1; i <= a; i++) res[c[i]] = 1;
}
}
signed main()
{
cin >> n >> m;
for (rint i = 1; i <= n; i++) cin >> g[i];
for (rint i = 1; i <= n; i++) c[i] = i;
sort(c + 1, c + 1 + n, cmp);
for (rint i = 1; i <= n; i++) s[i] = s[i - 1] + g[c[i]];
memset(f, 0x3f, sizeof f);
f[0][0] = 0;
for (rint i = 1; i <= n; i++)
{
for (rint j = i; j <= m; j++) //每个小孩至少一个饼干,前 i 个小孩至少 i 个饼干
{
//状态 1
f[i][j] = f[i][j - i];
pre[i][j] = {i, j - i};
//状态 2
for (rint k = 0; k < i; k++)
//枚举有多少个小孩的饼干数 > 第 i 个小孩
if(f[i][j] > f[k][j - (i - k)] + (s[i] - s[k]) * k)
//如果当前状态的怨气总和能更小
{
f[i][j] = f[k][j - (i - k)] + (s[i] - s[k]) * k;
pre[i][j] = {k, j - (i - k)};
}
}
}
cout << f[n][m] << endl;
print({n, m});
for (rint i = 1; i <= n; i++) cout << res[i] << " ";
return 0;
}
标签:状态,x1,饼干,int,rint,max,线性,动态,dp
From: https://www.cnblogs.com/spaceswalker/p/18185822