ABC 251 | E - Takahashi and Animals
作者:互联网
题意描述
Takahashi有\(N\)头牛,编号为\(1 \sim N\),他可以通过以下\(N\)种方式来喂养牛:
- 花费\(A_1\)喂养牛\(1\)和牛\(2\)
- 花废\(A_2\)喂养牛\(2\)和牛\(3\)
- 花费\(A_3\)喂养牛\(3\)和牛\(4\)
- ... ...
- 花费\(A_{N - 1}\)喂养牛\(N - 1\)和牛\(N\)
- 花费\(A_N\)喂养牛\(N\)和牛\(1\)
Takahashi的目标是使得每一头牛都被喂养,并使得花费最小,输出该最小花费。
数据范围
- \(2 \le N \le 3 \times 10^5\)
- \(1 \le A_i \le 10^9\)
题目解析
动态规划问题常用来解决最优化问题,而动态规划应用于这类问题的优势在于解决了重叠子问题,避免重复计算。动态规划算法的关键在于状态表示和状态转移。
首先对问题进行分析
- 若想牛\(1\)被喂养,操作\(1\)和操作\(N\)需至少选择一个
- 若想牛\(2\)被喂养,操作\(1\)和操作\(2\)需至少选择一个
- 若想牛\(3\)被喂养,操作\(2\)和操作\(3\)需至少选择一个
- ... ...
- 若想牛\(N - 1\)被喂养,操作\(N - 2\)和操作\(N - 1\)需至少选择一个
- 若想牛\(N\)被喂养,操作\(1\)和操作\(N\)需至少选择一个
状态表示
\(f[i][0]\)表示已对前\(i - 1\)个进行决策且第\(i\)个不选的最小费用.
\(f[i][1]\)表示已对前\(i - 1\)个进行决策且第\(i\)个选的最小费用.
状态转移
\(f[i][0] = f[i - 1][1]\)
\(f[i][1] = \min(f[i - 1][0], f[i - 1][1]) + a[i]\)
边界条件及问题答案
- 若不进行操作\(1\)
\(f[1][0] = 0, f[1][1] = inf\)
此时必须进行操作\(N\),故答案为\(f[N][1]\) - 若进行操作\(1\)
\(f[1][1] = a[1], f[1][0] = inf\)
此时答案为\(\min (f[n][0], f[n][1])\)
将以上两种情况的答案取最小值作为该问题的答案。
代码
#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
typedef long long ll;
const int N = 3e5 + 10;
ll f[N][2];
ll a[N];
int n;
int main()
{
scanf("%d", &n);
for(int i = 1; i <= n; i ++) scanf("%lld", &a[i]);
ll ans = 1e18;
//不选1
f[1][0] = 0, f[1][1]= 1e18;
for(int i = 2; i <= n; i ++){
f[i][0] = f[i - 1][1];
f[i][1] = min(f[i - 1][1], f[i - 1][0]) + a[i];
}
ans = min(ans, f[n][1]);
//选1
f[1][0] = 1e18, f[1][1]= a[1];
for(int i = 2; i <= n; i ++){
f[i][0] = f[i - 1][1];
f[i][1] = min(f[i - 1][1], f[i - 1][0]) + a[i];
}
ans = min(ans, f[n][1]);
ans = min(ans, f[n][0]);
printf("%lld\n", ans);
return 0;
}
标签:ABC,Animals,int,include,le,操作,251,若想,喂养 来源: https://www.cnblogs.com/bxhbxh/p/16347033.html