0%

2025-四川省赛-A. Minimum Product(类似于floyd的图上dp)

思路讲解

类似于Floyd的递推公式

Untitled

1
2
3
4
5
6
7
FOR(j,0,sum){
FOR(i,0,SZ(edges)-1){
ll u,v,a,b;u=edges[i][0],v=edges[i][1],a=edges[i][2],b=edges[i][3];
if(dp[u][j]>=INF) continue;
dp[v][j+a]=min(dp[v][j+a],dp[u][j]+b);
}
}

根本原因:保证状态转移的顺序正确性,避免“后效性”。

动态规划的一个基本原则是,当你计算一个状态 dp[S] 时,所有它所依赖的状态 dp[S'] 都必须是已经计算出来的、并且是最终的(最优的)值。

让我们来分析一下这个特定的状态转移 dp[v[i]][c] = ... dp[u[i]][c - a[i]] ...

  • 为了计算 c 这个总和的状态,我们依赖于 c - a[i] 这个总和的状态。

  • 因为边权 a[i] 是正整数 (a[i] >= 1),所以 c - a[i] 永远小于 c

c (a的和) 作为外层循环,并从小到大枚举,就完美地解决了这个问题。

  1. 当外层循环执行到 c = 1 时,它会用所有 dp[...][0] 的值来更新 dp[...][1]

  2. 当外层循环执行到 c = 2 时,它会用所有 dp[...][0]dp[...][1] 的值来更新 dp[...][2]

  3. 当我们计算 dp[...][c] 这一“层”的所有状态时,所有 c 值更小的“层”(比如 dp[...][c-1], dp[...][c-2] 等)都已经计算完毕并且得到了最优解。

这确保了我们每次进行状态转移时,dp[u[i]][c - a[i]] 已经是我们能找到的、到达节点 ua 和为 c - a[i] 的最优值(即最小 b 和)。

AC代码

327896817

心路历程(WA,TLE,MLE……)