随笔分类 -  动态规划—斜率优化

该文被密码保护。
posted @ 2018-10-02 08:03 lokiii 阅读(1) 评论(0) 推荐(0)
该文被密码保护。
posted @ 2018-09-26 11:20 lokiii 阅读(1) 评论(0) 推荐(0)
摘要:好眼熟啊 直接dp显然很难算,所以设val为只在n点建一个仓库的费用,然后设f[i]为在i~n点建若干仓库并且i点一定建一个仓库的最大省钱数 转移很显然,设s为p的前缀和,f[i]=max{f[j]+s[i]\ (x[j] x[i])} a[i] 然后推转移 $$ f[i]=f[j]+s[i] x[ 阅读全文
posted @ 2018-09-15 09:59 lokiii 阅读(197) 评论(0) 推荐(0)
摘要:emmm妹想到要倒着推 先假设只在n建一个控制站,这样的费用是\\( \sum_{i=1}^{n} b[i]\ (n i) \\)的 然后设f[i]为在i到n键控制站,并且i一定建一个,能最多节省下的费用,那么显然转移是\\( f[i]=max(f[j]+s[i]\ (j i) a[i]) \\), 阅读全文
posted @ 2018-09-10 16:13 lokiii 阅读(204) 评论(0) 推荐(0)
该文被密码保护。
posted @ 2018-08-12 22:16 lokiii 阅读(2) 评论(0) 推荐(0)
摘要:cdq复健.jpg 首先列个n方递推,设sf是f的前缀和,st是t的前缀和: $$ f[i]=min(f[j]+s (sf[n] sf[j])+st[i] (sf[i] sf[j])) $$ 然后移项: $$ f[i]=f[j]+s sf[n] s sf[j]+st[i] sf[i] st[i] s 阅读全文
posted @ 2018-06-28 22:51 lokiii 阅读(171) 评论(0) 推荐(0)
摘要:参考:http://www.cnblogs.com/lidaxin/p/5240220.html 虽然splay会方便很多,但是~~懒得写~~,于是写了cdq 首先要想到贪心的思路,因为如果在某天买入是能得到最大收益的,那么应该用所有钱去买,相对的如果在某天卖出能得到最大收益,那么应该全部卖出 方便 阅读全文
posted @ 2018-06-19 17:24 lokiii 阅读(170) 评论(0) 推荐(0)
摘要:就是套路咯,设s[i]为1+2+...i 首先列出dp方程\\( f[i]=min(f[j]+a[i]+(i j) i (s[i] s[j])) \\) 然后推一推 $$ f[i]=f[j]+a[i]+(i j) i (s[i] s[j]) $$ $$ f[i]=f[j]+a[i]+i i i j 阅读全文
posted @ 2018-05-31 11:33 lokiii 阅读(199) 评论(0) 推荐(0)
摘要:我会斜率优化了!这篇讲的超级棒https://blog.csdn.net/shiyongyang/article/details/78299894?readlog 首先列个n方递推,设sf是f的前缀和,st是t的前缀和: $$ f[i]=min(f[j]+s (sf[n] sf[j])+st[i] 阅读全文
posted @ 2018-05-26 11:55 lokiii 阅读(148) 评论(0) 推荐(0)
摘要:按xy降序排序,把能被完全包含的去掉 然后就得到了x升序y降序的一个数组 然后方程就显然了:f[i]=min(f[j]+y[j+1]x[i]) 斜率优化转移 ~~说起来我还不会斜率优化呢是不是该学一下了~~ 阅读全文
posted @ 2018-04-24 20:44 lokiii 阅读(113) 评论(0) 推荐(0)
摘要:首先看这个得分方式,容易发现就相当于分k段,每段的值和两两乘起来。 这样就很容易列出dp方程:设f[i][j]为到j分成分成i段,转移是 $$ f[i][j]=max { f[k][j]+s[k] (s[j] s[k]) } $$ 然后显然这个可以斜率优化,随便推一推式子,假设k选p大于选q,那么 阅读全文
posted @ 2018-04-18 14:52 lokiii 阅读(157) 评论(0) 推荐(0)
摘要:仔细想想好像没学过斜率优化.. 很容易推出状态转移方程\\( f[i]=max\{f[j]+a(s[i] s[j])^2+b(s[i] s[j])+c\} \\) 然后考虑j的选取,如果选j优于选k,那么: $$ f[j]+a(s[i] s[j])^2+b(s[i] s[j])+c f[k]+a(s 阅读全文
posted @ 2018-04-14 16:20 lokiii 阅读(126) 评论(0) 推荐(0)