ABC 251 | E - Takahashi and Animals
阿新 • • 發佈:2022-06-06
題意描述
Takahashi有\(N\)頭牛,編號為\(1 \sim N\),他可以通過以下\(N\)種方式來餵養牛:
- 花費\(A_1\)餵養牛\(1\)和牛\(2\)
- 花廢\(A_2\)餵養牛\(2\)和牛\(3\)
- 花費\(A_3\)餵養牛\(3\)和牛\(4\)
- ... ...
- 花費\(A_{N - 1}\)餵養牛\(N - 1\)和牛\(N\)
- 花費\(A_N\)餵養牛\(N\)和牛\(1\)
Takahashi的目標是使得每一頭牛都被餵養,並使得花費最小,輸出該最小花費。
資料範圍
- \(2 \le N \le 3 \times 10^5\)
- \(1 \le A_i \le 10^9\)
題目解析
動態規劃問題常用來解決最優化問題,而動態規劃應用於這類問題的優勢在於解決了重疊子問題,避免重複計算。動態規劃演算法的關鍵在於狀態表示和狀態轉移。
首先對問題進行分析
- 若想牛\(1\)被餵養,操作\(1\)和操作\(N\)需至少選擇一個
- 若想牛\(2\)被餵養,操作\(1\)和操作\(2\)需至少選擇一個
- 若想牛\(3\)被餵養,操作\(2\)和操作\(3\)需至少選擇一個
- ... ...
- 若想牛\(N - 1\)被餵養,操作\(N - 2\)和操作\(N - 1\)需至少選擇一個
- 若想牛\(N\)被餵養,操作\(1\)和操作\(N\)需至少選擇一個
狀態表示
\(f[i][0]\)
\(f[i][1]\)表示已對前\(i - 1\)個進行決策且第\(i\)個選的最小費用.
狀態轉移
\(f[i][0] = f[i - 1][1]\)
\(f[i][1] = \min(f[i - 1][0], f[i - 1][1]) + a[i]\)
邊界條件及問題答案
- 若不進行操作\(1\)
\(f[1][0] = 0, f[1][1] = inf\)
此時必須進行操作\(N\),故答案為\(f[N][1]\) - 若進行操作\(1\)
\(f[1][1] = a[1], f[1][0] = inf\)
此時答案為\(\min (f[n][0], f[n][1])\)
將以上兩種情況的答案取最小值作為該問題的答案。
程式碼
#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;
//不選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]);
//選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;
}