NKOI 1548 路面修整

本文介绍USACO一道经典题目“路面修整”的解题思路与算法实现,探讨如何通过动态规划找到使路面高度单调变化的最小修缮成本。

【Usaco Feb08 Gold】路面修整

Time Limit:10000MS  Memory Limit:65536K
Total Submit:12 Accepted:3
Case Time Limit:1000MS

Description

FJ打算好好修一下农场中某条凹凸不平的土路。按奶牛们的要求,修好后的
路面高度应当单调上升或单调下降,也就是说,高度上升与高度下降的路段不能
同时出现在修好的路中。

整条路被分成了N段,N个整数A_1, ... , A_N (1 <= N <= 2,000)依次描述
了每一段路的高度(0 <= A_i <= 1,000,000,000)。FJ希望找到一个恰好含N个
元素的不上升或不下降序列B_1, ... , B_N,作为修过的路中每个路段的高度。
由于将每一段路垫高或挖低一个单位的花费相同,修路的总支出可以表示为:

|A_1 - B_1| + |A_2 - B_2| + ... + |A_N - B_N|

请你计算一下,FJ在这项工程上的最小支出是多少。FJ向你保证,这个支出
不会超过231-1。

Input

* 第1行: 输入1个整数:N

* 第2..N+1行: 第i+1行为1个整数:A_i

Output

* 第1行: 输出1个正整数,表示FJ把路修成高度不上升或高度不下降的最小花费

Sample Input

7
1
3
2
4
5
3
9

Sample Output

3

Hint

输出说明:

FJ将第一个高度为3的路段的高度减少为2,将第二个高度为3的路段的高度
增加到5,总花费为|2-3|+|5-3| = 3,并且各路段的高度为一个不下降序列
1,2,2,4,5,5,9。

Source

usaco feb2008 金组


这道题乍一看没有什么思路,因此我尝试了一下对所有的路段进行离散化,用s[]数组来记录最终路段排序的结果

a[]记录输入结果,b[]反序记录a[]

由于求得是最优解,那么将每段的高度改成a[]中已有的元素一定是最优的

我们可以知道这道题是一道动态规划,用f[i][j]来表示前i段中最大(或最小)的一段在s数组中的编号为j时的最小花费

那么当前的第i段,要么不动这一段,要么将第i段的高度弄成s[k],1<=k<=n

因此得到转移方程f[i][j]=min(f[i][j-1],f[i-1][k]+abs(s[j]-a[i]))

由于f[i][j-1]在之前的讨论中,一定是最优的,所以我们可以得到

f[i][j]=min(f[i][j-1],f[i-1][j]+abs(s[j]-a[i]))

因为整个路段可以递增,也可以递减,所以应当讨论两次,我们在第二次中把方程中的a[]换成b[]就行了

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cstdlib>
using namespace std;
const int inf=2e9;
int n,s[2005],f[2005][2005],a[2005],b[2005];
int main(){
	scanf("%d",&n);
	int i,j,ans=inf;
	for(i=1;i<=n;i++){
		scanf("%d",&a[i]);
		s[i]=a[i];
		b[n-i+1]=a[i];
	}
	sort(s+1,s+1+n);
	for(i=1;i<=n;i++)
	    for(j=1;j<=n;j++){
	    	if(j==1)
	            f[i][j]=f[i-1][j]+abs(a[i]-s[j]);
	        else f[i][j]=min(f[i][j-1],f[i-1][j]+abs(a[i]-s[j]));
	        if(i==n)ans=min(ans,f[i][j]);
	    }
    memset(f,0,sizeof(f));
    for(i=1;i<=n;i++)
        for(j=1;j<=n;j++){
        	if(j==1)
	            f[i][j]=f[i-1][j]+abs(b[i]-s[j]);
	        else f[i][j]=min(f[i][j-1],f[i-1][j]+abs(b[i]-s[j]));
	        if(i==n)ans=min(ans,f[i][j]);
        }
    cout<<ans;
}


内容概要:本文系统梳理了多个科研领域的前沿研究与技术实现,重点涵盖FDTD方法中的完美匹配层(PML)研究,以及Matlab/Simulink在电磁、电力、控制、通信、信号处理、图像处理、路径规划、能源系统优化等领域的仿真与算法实现。文中列举了大量基于Matlab和Python的科研案例,如风电功率预测、负荷预测、无人机三维路径规划、电池系统故障诊断、雷达模拟、通信编码、微电网优化调度等,强调结合智能优化算法(如粒子群、遗传算法、深度学习等)提升系统性能。同时,提供了丰富的代码资源与仿真模型,涵盖永磁同步电机控制、逆变器设计、多智能体任务配、虚拟电厂调度等复杂系统,助力科研人员快速开展复现实验与创新研究。; 适合人群:具备一定编程基础,熟悉Matlab/Python工具,从事电气工程、自动化、通信、人工智能、新能源、控制科学等相关领域研究的研发人员及研究生。; 使用场景及目标:① 学习实现FDTD仿真中的PML边界条件以有效抑制数值反射;② 掌握Matlab/Simulink在多物理场建模、控制系统设计与优化算法中的综合应用;③ 借助提供的代码资源完成科研复现、课程设计、竞赛项目或工程原型开发; 阅读建议:此资源以科研实战为导向,不仅提供理论方法,更强调代码实现与仿真验证。建议读者结合自身研究方向,按目录顺序查阅相关模块,下载配套代码进行调试与二次开发,以达到学以致用、融会贯通的目的。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值