赞
踩
设A是顶点为0,1,…,n-1的n凸多边形,可以用不在内部相交的n-3条对角线将A划分成三角形,如下图就是5边形的所有的划分方案.假设凸n边形的边及对角线的长度dij,都是给定的正整数,0≤i<j≤n-1.划分后三角形ijk的权值等于其周长,求具有最小权值的划分方案.设计一个动态规划算法求解这个问题,说明算法的时间复杂度.
示例1:
输入:d = [
[0,2,3,1,5,6],
[2,0,3,4,8,6],
[3,3,0,10,13,7],
[1,4,10,0,12,5],
[5,8,13,12,0,3],
[6,6,7,5,3,0]
]
输出:54
为了应用动态规划,我们需要将多边形切成小块.可以观察到,所输入的多边形每条边都肯定只能归属于一个三角形.将这条边要变为一个三角形意味着得确定第三个顶点,如上图所示.一旦我们找到正确的连接顶点,多边形的剩余部分就会被划分为两个小块,而这两块都需要进行最优的三角剖分.令dp[i][j]为从顶点vi到顶点vj进行三角剖分所需的费用,计入从vi到vj的弦长.递推式如下:
d p [ i ] [ j ] = m i n ( d p [ i ] [ k ] + d p [ k ] [ j ] + d i k + d k j + d i j ) dp[i][j] = min(dp[i][k] + dp[k][j] + d_{ik} + d_{kj} + d_{ij}) dp[i][j]=min(dp[i][k]+dp[k][j]+dik+dkj+dij)
d p [ i ] [ j ] = 0 dp[i][j] = 0 dp[i][j]=0
当j - i > 1时,有
d p [ i ] [ j ] = m i n ( d p [ i ] [ k ] + d p [ k ] [ j ] + d i k + d k j + d i j ) , i < k < j dp[i][j] = min(dp[i][k] + dp[k][j] + d_{ik} + d_{kj} + d_{ij}),i < k < j dp[i][j]=min(dp[i][k]+dp[k][j]+dik+dkj+dij),i<k<j
当j - i = 1时,有 d p [ i ] [ j ] = 0 dp[i][j] = 0 dp[i][j]=0
自底向上,自左向右计算dp数组
/** * 最小三角权剖分 * * @author hh * @date 2021-5-24 23:35 */ public class MinWeightTriangulation { public int minWeight(int[][] d){ int[][] dp = new int[d.length][d[0].length]; for(int i = d.length - 1; i >= 0; i--){ for(int j = 0; j < d[0].length; j++){ if(j - i == 1){ dp[i][j] = 0; continue; } dp[i][j] = Integer.MAX_VALUE; for(int k = i + 1; k < j; k++){ dp[i][j] = Math.min(dp[i][j],dp[i][k] + dp[k][j] + d[i][k] + d[k][j] + d[i][j]); } } } return dp[0][d[0].length -1]; } public static void main(String[] args){ int[][] d = new int[][]{ {0,2,3,1,5,6}, {2,0,3,4,8,6}, {3,3,0,10,13,7}, {1,4,10,0,12,5}, {5,8,13,12,0,3}, {6,6,7,5,3,0} }; MinWeightTriangulation minWeightTriangulation = new MinWeightTriangulation(); System.out.println(minWeightTriangulation.minWeight(d)); } }
本题和字符串切分、矩阵链乘法的做法非常相似,也是非常经典的,都是对dp数组进行线性划分,读者有时间可以看我的另一篇文章动态规划经典题目-字符串切分、动态规划经典题目-矩阵链乘法,进行举一反三。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。