动态规划(DP)——区间DP

简介: 动态规划(DP)——区间DP

区间DP以区间的划分方式来进行状态的划分,由小区间逐步扩大求解到给定的区间大小

例题

282. 石子合并

题目连接

设有 N 堆石子排成一排,其编号为 1,2,3,…,N。
每堆石子有一定的质量,可以用一个整数来描述,现在要将这 N 堆石子合并成为一堆。
每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相邻,合并时由于选择的顺序不同,合并的总代价也不相同。
例如有 4 堆石子分别为 1 3 5 2, 我们可以先合并 1、2 堆,代价为 4,得到 4 5 2, 又合并 1,2 堆,代价为 9,得到 9 2 ,再合并得到 11,总代价为 4+9+11=24;
如果第二步是先合并 2,3 堆,则代价为 7,得到 4 7,最后一次合并代价为 11,总代价为 4+7+11=22。
问题是:找出一种合理的方法,使总的代价最小,输出最小代价。
输入格式
第一行一个数 N 表示石子的堆数 N。
第二行 N 个数,表示每堆石子的质量(均不超过 1000)。
输出格式
输出一个整数,表示最小代价。
数据范围
1≤N≤300
输入样例:
4
1 3 5 2
输出样例:
22

package luogu.dp.区间DP;
import java.io.*;
public class 石子合并 {
    static StreamTokenizer in = new StreamTokenizer(new BufferedReader(new InputStreamReader(System.in)));
    static PrintWriter out = new PrintWriter(new BufferedWriter(new OutputStreamWriter(System.out)));
    public static void main(String[] args) throws IOException {
        int n = in();//石子的堆数
        int[] s = new int[n+1];//石子的前缀和
        for( int i=1; i<=n; i++ ) {
            //计算石子的前缀和
            //后面合并两堆石子的消耗量等于两堆石头重量相加
            //前缀和可以直接计算
            s[i] = s[i-1]+in();
        }
        int[][] dp = new int[n+3][n+3];
        //合并n堆,先合并两堆,然后逐渐扩大
        //计算合并len堆石子的消耗,逐步扩大区间,len的取值 2-n
        //直至n
        for( int len=2; len<=n; len++ ){
            //区间开始的左下标
            //i+len-1 保证右下标不越界
            for( int i=1; i+len-1<=n; i++ ) {
                //遍历对区间的划分方式
                int l = i;//区间的左下标
                int r = i+len-1;//区间的右下标
                //先初始化为大数
                //以防默认值0影响后面,消耗肯定大于0
                dp[l][r] = 100000000;
                for( int k=l; k<r; k++ ) {
                    //对当前这个区间范围合并的最小值为
                    //前面的值   与   当前划分方法 合并两个区间的消耗加上两个区间之前各自合并的消耗
                    //取最小值
                    //dp[l][r] 前面划分方式的最小值
                    // dp[l][k] 合并成左区间的最小消耗 + 
                    // dp[k+1][r] 合并成右区间的最小消耗 +
                    // s[r]-s[l-1] 左右这两个区间合并的消耗
                    dp[l][r] = Math.min( dp[l][r], dp[l][k]+dp[k+1][r]+s[r]-s[l-1] );
                }
            }
        }
        out.println(dp[1][n]);
        out.flush();
    }
    public static int in() throws IOException {
        in.nextToken();
        return (int) in.nval;
    }
}

相关文章
|
自然语言处理 IDE 开发工具
通义灵码编程智能体上线,支持Qwen3模型
通义灵码最全使用指南,一键收藏。
129402 31
通义灵码编程智能体上线,支持Qwen3模型
|
人工智能 JavaScript IDE
使用Coze工作流(二)
使用Coze工作流(二)
2067 0
|
编解码 资源调度 算法
CV学习笔记-尺度不变特征变换(SIFT)
CV学习笔记-尺度不变特征变换(SIFT)
789 0
CV学习笔记-尺度不变特征变换(SIFT)
小工具随手记:使用Pyinstaller将多个.py程序及其关联资源打包成exe
小工具随手记:使用Pyinstaller将多个.py程序及其关联资源打包成exe
小工具随手记:使用Pyinstaller将多个.py程序及其关联资源打包成exe
|
12天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
10天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
374 133
|
10天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
460 131
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话