【动态规划】【前缀和】【推荐】2463. 最小移动总距离

作者推荐

【广度优先搜索】【网格】【割点】【推荐】1263. 推箱子

本文涉及知识点

动态规划汇总
C++算法：前缀和、前缀乘积、前缀异或的原理、源码及测试用例包括课程视频

2463. 最小移动总距离

X 轴上有一些机器人和工厂。给你一个整数数组 robot ，其中 robot[i] 是第 i 个机器人的位置。再给你一个二维整数数组 factory ，其中 factory[j] = [positionj, limitj] ，表示第 j 个工厂的位置在 positionj ，且第 j 个工厂最多可以修理 limitj 个机器人。
每个机器人所在的位置互不相同。每个工厂所在的位置也互不相同。注意一个机器人可能一开始跟一个工厂在相同的位置。
所有机器人一开始都是坏的，他们会沿着设定的方向一直移动。设定的方向要么是 X 轴的正方向，要么是 X 轴的负方向。当一个机器人经过一个没达到上限的工厂时，这个工厂会维修这个机器人，且机器人停止移动。
任何时刻，你都可以设置部分机器人的移动方向。你的目标是最小化所有机器人总的移动距离。
请你返回所有机器人移动的最小总距离。测试数据保证所有机器人都可以被维修。
注意：
所有机器人移动速度相同。
如果两个机器人移动方向相同，它们永远不会碰撞。
如果两个机器人迎面相遇，它们也不会碰撞，它们彼此之间会擦肩而过。
如果一个机器人经过了一个已经达到上限的工厂，机器人会当作工厂不存在，继续移动。
机器人从位置 x 到位置 y 的移动距离为 |y - x| 。
示例 1：
输入：robot = [0,4,6], factory = [[2,2],[6,2]]
输出：4
解释：如上图所示：

第一个机器人从位置 0 沿着正方向移动，在第一个工厂处维修。
第二个机器人从位置 4 沿着负方向移动，在第一个工厂处维修。
第三个机器人在位置 6 被第二个工厂维修，它不需要移动。
第一个工厂的维修上限是 2 ，它维修了 2 个机器人。
第二个工厂的维修上限是 2 ，它维修了 1 个机器人。
总移动距离是 |2 - 0| + |2 - 4| + |6 - 6| = 4 。没有办法得到比 4 更少的总移动距离。
示例 2：
输入：robot = [1,-1], factory = [[-2,1],[2,1]]
输出：2
解释：如上图所示：
第一个机器人从位置 1 沿着正方向移动，在第二个工厂处维修。
第二个机器人在位置 -1 沿着负方向移动，在第一个工厂处维修。
第一个工厂的维修上限是 1 ，它维修了 1 个机器人。
第二个工厂的维修上限是 1 ，它维修了 1 个机器人。
总移动距离是 |2 - 1| + |(-2) - (-1)| = 2 。没有办法得到比 2 更少的总移动距离。
提示：
1 <= robot.length, factory.length <= 100
factory[j].length == 2
-109 <= robot[i], positionj <= 10⁹
0 <= limitj <= robot.length
测试数据保证所有机器人都可以被维修。

动态规划

原理

性质一：r1和r2是两个机器人位置，且r1 < r2。令f1和r2是两个工厂位置，且f1 < f2。选择一：f1修r1，f2修r2。选择二：f1修r2,f2修f1。方式一不劣于方式二。
下面分情况证明：
一，r2 <= f1。两个机器人都在左边，两种选择结果一样。可以这样理解，两个机器人都进f1，然后其中一个去f2。
二,r1 >= f2。两个机器人都在右边。两种选择结果一样。可以这样理解：两个机器人都近f2，然后其中一个去f1。
三，f1 < r1 < r2 < f2。绿线是选择一，红线是选择二。在这里插入图片描述
四，r1 < f1 f1 < r2 < f2 。

五，r1 < f1 r2 > f2。

在这里插入图片描述
六，f1<r1<f2 r2<r2。和情况四对称。

动态规划的状态表示

dp[i][j] 前i个工厂修理前j个机器人的最小移动距离。

动态规划的转移方程

最左边的i个工厂，修理了j个机器人，最后一个工厂修理了k个机器人。根据性质一，则这k个机器人一定是j个机器人中最右边的。
dp[i][j] = $\Large min_{k:0}^{min(limit[i],j)}$ (pre[i-1][j-k])+移动k个机器人的总距离
左移的机器人和右移的机器人，分别利用前缀和计算总距离。先对机器人和工厂的位置排序，坐标小于等于工厂坐标机器人右移：
$\sum _{移动的机器人} (工厂到原点距离-机器人到原点的距离) \rightarrow$ $工厂到原点的距离\star 移动的机器人数 - \sum _{移动的机器人}(机器人到原点的距离)$

动态规划的初始值

dp[0][0]=0 其它3e11

动态规划的填表顺序

从左到右计算后置状态。

返回值

dp.back().back()

注意：
前缀和记录的是相对位置：坐标是负数也可以。

代码

核心代码

template<class ELE,class ELE2>
void MinSelf(ELE* seft, const ELE2& other)
{
	*seft = min(*seft,(ELE) other);
}

template<class ELE>
void MaxSelf(ELE* seft, const ELE& other)
{
	*seft = max(*seft, other);
}

template<class T = long long >
class CPreSum
{
public:
	CPreSum(const vector<int>& nums)
	{
		m_data.push_back(0);
		for (int i = 0; i < nums.size(); i++)
		{
			m_data.push_back(m_data[i] + nums[i]);
		}
	}
	template<class _PR>
	CPreSum(int iSize, _PR pr)
	{
		m_data.push_back(0);
		for (int i = 0; i < iSize; i++)
		{
			m_data.push_back(m_data[i] + pr(i));
		}
	}
	T Sum(int left, int rightExclu)const
	{
		return m_data[rightExclu] - m_data[left];
	}
protected:
	vector<T> m_data;
};

class Solution {
public:
	long long minimumTotalDistance(vector<int>& robot, vector<vector<int>>& factory) {
		sort(robot.begin(), robot.end());
		sort(factory.begin(), factory.end(), [&factory](auto& v1,auto& v2) {return v1[0] <v2[0]; });
	
		int n1 = factory.size(), n2 = robot.size();
		vector<int> vLeftCount;
		for (int i = 0, j = 0; i < n1; i++)
		{
			while ((j < n2) && (robot[j] <= factory[i][0]))
			{
				j++;
			}
			vLeftCount.emplace_back(j);
		}
		CPreSum preSum(robot);
		vector<vector<long long>> dp(n1 + 1, vector<long long>(n2 + 1,3e11));
		dp[0][0] = 0;
		for (int i = 1; i <= n1; i++)
		{
			dp[i][0] = 0;
			for (int j = 1; j <= n2; j++)
			{
				for (int k = 0; k <= min(j, factory[i - 1][1]); k++)
				{
					const long long iLefttMove = min(k,max(0, j - vLeftCount[i - 1]));
					const long long llRightMove = k - iLefttMove;
					long long llMove = preSum.Sum(j - iLefttMove, j) - iLefttMove * factory[i - 1][0];//左移
					llMove += factory[i - 1][0] * llRightMove - preSum.Sum(j-k,j-k+llRightMove);
					MinSelf(&dp[i][j], dp[i - 1][j - k] + llMove);
				}
			}
		}
		return dp.back().back();
	}	
};

核心代码

template<class T>
void Assert(const T& t1, const T& t2)
{
	assert(t1 == t2);
}

template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
	if (v1.size() != v2.size())
	{
		assert(false);
		return;
	}
	for (int i = 0; i < v1.size(); i++)
	{
		Assert(v1[i], v2[i]);
	}

}

int main()
{	
	vector<int> robot;
	vector<vector<int>> factory;
	{
		Solution sln;
		robot = { 0,4,6 }, factory = { {2,2},{6,2} };
		auto res = sln.minimumTotalDistance(robot,factory);
		Assert(res,4LL);
	}

	{
		Solution sln;
		robot = { 1,-1 }, factory = { {-2,1},{2,1} };
		auto res = sln.minimumTotalDistance(robot, factory);
		Assert(res, 2LL);
	}


	{
		Solution sln;
		robot = { 0,4,6 }, factory = { {-2,2},{-6,2} };
		auto res = sln.minimumTotalDistance(robot, factory);
		Assert(res, 20LL);
	}
		
}

2023年2月

class Solution {
public:
long long minimumTotalDistance(vector& robot, vector<vector>& factory) {
m_c = robot.size();
std::sort(robot.begin(), robot.end());
std::sort(factory.begin(), factory.end(), [](const vector& v0, const vector& v1)
{
return v0[0] < v1[0];
});
vector vPre(m_c + 1, m_llNotMay);
vPre[0] = 0;
for (const auto& v : factory)
{
vector dp = vPre;
for (int i = 0; i < m_c; i++)
{
if (m_llNotMay == vPre[i])
{
continue;
}
long long llMove = 0;
for (int j = 1; j <= v[1]; j++)
{
if (i + j > m_c)
{
break;
}
llMove += abs(v[0] - robot[i + j - 1]);
dp[i + j] = min(dp[i + j], vPre[i] + llMove);
}
}
vPre.swap(dp);
}
return vPre[m_c];
}
int m_c;
const long long m_llNotMay = ((long long)INT_MAX) * 1000;
};

2023年8月

class Solution {
public:
long long minimumTotalDistance(vector& robot, vector<vector>& factory) {
m_c = robot.size();
std::sort(robot.begin(), robot.end());
std::sort(factory.begin(), factory.end(), [](const vector& v1, const vector& v2)
{return v1[0] < v2[0]; });
vector vPre(m_c + 1, m_llNotMay);//vPre[i] 当前工厂及更早工厂修理i个机器人的最小移动距离
vPre[0] = 0;
for (const auto& v : factory)
{
vector dp = vPre;//本工厂不修理机器人
for (int pre = 0; pre < m_c; pre++)
{
long long llMove = 0;
for (int iDo = 1; iDo <= v[1]; iDo++)
{
const int next = pre + iDo;
if (next > m_c)
{
break;
}
llMove += abs(robot[next-1] - v[0]);
dp[next] = min(dp[next], vPre[pre] + llMove);
}
}
vPre.swap(dp);
}
return vPre.back();
}
int m_c;
const long long m_llNotMay = 1e12;
};

2023年9月

class Solution {
public:
long long minimumTotalDistance(vector& robot, vector<vector>& factory) {
sort(robot.begin(), robot.end());
sort(factory.begin(), factory.end(), [](const vector& v1, const vector& v2)
{
return v1[0] < v2[0];
});
long long llMinPos = min(*robot.begin(),(*factory.begin())[0]);
vector vPreSumDis(1);
for (const auto& n : robot)
{
vPreSumDis.emplace_back(vPreSumDis.back() + n- llMinPos);
}
vector pre(1);//pre[i] 当前站点之前的站点修改i个机器人的最小成本
int iRight = 0;//当前工厂右边的第一个机器人
for (int i = 0; i < factory.size(); i++)
{
const int iFactoryPos = factory[i][0];
for (; (iRight < robot.size()) && (robot[iRight] <= iFactoryPos); iRight++);
const int iSize = min(robot.size(), pre.size()-1 + factory[i][1]);
vector dp(iSize+1,1e12);
for (int j = 0; j<pre.size(); j++)
{
for (int k = 0; (k <= factory[i][1])&&(j+k <= robot.size()); k++)
{//[j,iRight)个机器上右移[iRight,j+k)个机器人左右移
const long long llMove = MoveRight(j, min(j + k, iRight), iFactoryPos, llMinPos, vPreSumDis)+
MoveLeft(max(j,iRight),j+k, iFactoryPos, llMinPos, vPreSumDis);
dp[j + k] = min(dp[j + k], llMove+pre[j]);
}
}
pre.swap(dp);
}
return pre.back();
}
long long MoveRight(int left, int right,const int iFactoryPos,const long long llMinPos, const vector& vPreSumDis)
{
if (right <= left )
{
return 0;
}
return (long long)(right - left) * (iFactoryPos - llMinPos) - (vPreSumDis[right] - vPreSumDis[left]);
}
long long MoveLeft(int left, int right, const int iFactoryPos, const long long llMinPos, const vector& vPreSumDis)
{
if (right <= left)
{
return 0;
}
return vPreSumDis[right] - vPreSumDis[left] - (long long)(right - left) * (iFactoryPos - llMinPos);
}
};

扩展阅读

视频课程

有效学习：明确的目标及时的反馈拉伸区（难度合适），可以先学简单的课程，请移步CSDN学院，听白银讲师（也就是鄙人）的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了，为老板分忧，请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

我想对大家说的话
闻缺陷则喜是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛