动态规划-状态压缩、树形DP问题总结

简介: 动态规划-状态压缩、树形DP问题总结

什么是动态规划

动态规划通过额外的空间将已经搜索过的相似的结果(指某些具有相同性质解的集合)用一个数组存起来,所以DP中的状态转移看上去是某两三个值之间的推导,其实是某两三个集合之间的状态转移!

状态压缩DP

蒙德里安的梦想

典型题例:

求把 N×M 的棋盘分割成若干个 1×2 的长方形,有多少种方案。

例如当 N=2,M=4 时,共有 5 种方案。当 N=2,M=3 时,共有 3 种方案。

示例 :

输入:
输入包含多组测试用例。
每组测试用例占一行,包含两个整数 N 和 M。
当输入用例 N=0,M=0 时,表示输入终止,且该用例无需处理
1 2
1 3
1 4
2 2
2 3
2 4
2 11
4 11
0 0
输出:
1
0
1
2
3
5
144
51205

思路

核心:先放横着得,再放竖着得
总方案数:等于只放横着得小方块得合法方案数。
如何判断当前方案是否合法?
答:所有剩余位置,能否充满竖着得小方块;可以按列来看,每一列内部所有连续得空着的小方块需要偶数个

状态表示:集合集合f[i,j]表示已经将前i-1列摆好,且从第i-1列伸出到第i列的状态j的所有方案。(化零为整)

状态计算:集合划分总共有2^n中状态;Σf[i-1,k],其中k为二进制数。(化整为零)

需要注意的是f[i-1,k]要与f[i,j]构成合法的方案,需要满足的条件:

1.j k 不能再同一行,即(j & k == 0)

2. 所有的连续空着的位置的长度必须是偶数

边界:f[0,0]=1

答案:f[m,0];

代码:

include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 12, M = 1 << N;  //M = 2^n
typedef long long LL;
int n, m;
LL f[N][M];
vector<int> state[M];  //二维数组记录合法状态;写法等价:vector<vector<int>> state(M)
bool st[M];  //存储每种状态是否有奇数个连续的0,如果奇数个0是无效状态,如果是偶数个零置为true。
int main() {
    while (cin >> n >> m, n || m) { 读入n和m,并且不是两个0即合法输入就继续读入
        //预处理,对应满足条件2
        for (int i = 0; i < 1 << n; i ++) {
            int cnt = 0;  //记录连续0的个数
            bool is_valid = true;  //某种状合法(不存在连续奇数个0)
            for (int j = 0; j < n; j ++) {
                if ((i >> j) & 1) {  //状态i的二进制数的第j位
                    if (cnt & 1) { //又伸出来的,则看前面连续0的个数是奇数则不合法
                        is_valid = false; 
                        break;
                    }
                    cnt = 0;  //前面的是合法的了,计数器可以清零
                }
                else cnt ++;  //该位置还是0,增加计数
            }
            if (cnt & 1) is_valid = false;  //最后一段判断下是否合法
            st[i] = is_valid;  //是否合法状体保存再st中
        }
        //预处理,对应满足条件1
        for (int i = 0; i < 1 << n; i ++) {
            state[i].clear();
            for (int j = 0; j < 1 << n; j ++) 
                if ((i & j) == 0 && st[i | j]) 
                    state[i].push_back(j);
        }
        //dp开始
        memset(f, 0, sizeof f);
        f[0][0] = 1;
        for (int i = 1; i <= m; i ++) 
            for (int j = 0; j < 1 << n; j ++)  //遍历第i列所有状态
                for (auto k : state[j])  //遍历i-1列状态k,合法转移
                    f[i][j] += f[i - 1][k];
        cout << f[m][0] << endl;
    }
    return 0;
}

树形DP问题

没有上司的舞会

典型题例:

Ural 大学有 N 名职员,编号为 1∼N。

他们的关系就像一棵以校长为根的树,父节点就是子节点的直接上司。

每个职员有一个快乐指数,用整数 Hi 给出,其中 1≤i≤N。

现在要召开一场周年庆宴会,不过,没有职员愿意和直接上司一起参会。

在满足这个条件的前提下,主办方希望邀请一部分职员参会,使得所有参会职员的快乐指数总和最大,求这个最大值。

示例 :

输入:
第一行一个整数 N。
接下来 N 行,第 i 行表示 i 号职员的快乐指数 Hi。
接下来 N−1 行,每行输入一对整数 L,K,表示 K 是 L 的直接上司。。
7
1
1
1
1
1
1
1
1 3
2 3
6 4
7 4
4 5
3 5
输出:
5

思路

等价于完全背包问题:有一个容量为n的背包,且有n个物品,对应的体积分别为1~n,恰好装满背包的方案数

状态表示:集合f[u,0]表示所有从以u为根得子树中选择,并且不选择u这个点得方案

集合f[u,1]表示所有从以 u 为根得子树中选择,并且选择u这个点得方案

状态计算:f[u,0] += Σ max(f[si,0]+f[si,1]) 其中si表示父节点u得每个孩子节点

f[u,1] = Σ f[si,0] 父节点选了,孩子节点就不能选了

答案为两个集合的最大值

代码:

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 6010;
int n;
int enjoy[N];
int h[N], e[N], ne[N], idx;  //邻接表
bool has_father[N];  //是否有父节点
int f[N][N];
int add(int a, int b) {
    e[idx] = b, ne[idx] = h[a], h[a] = idx ++;
}
void dfs(int u) {
    f[u][1] = enjoy[u];  //选择u则先加上u的高姓度
    for (int i = h[u]; i != -1; i = ne[i]) {
        int j = e[i];
        dfs(j);
        //两个集合的求法 
        f[u][0] += max(f[j][0], f[j][1]);
        f[u][1] += f[j][0];
    }
}  
int main() {
    scanf("%d", &n);
    for (int i = 1; i <= n; i ++)  scanf("%d", &enjoy[i]);
    memset(h, -1, sizeof h);
    for (int i = 1; i < n; i ++) {
        int x, y;
        scanf("%d%d", &x, &y);
        has_father[x] = true;  //y是x的father
        add(y, x);
    }
    int root = 1;
    while (has_father[root]) root ++;  //找到root节点
    dfs(root);  
    printf("%d\n", max(f[root][0], f[root][1]));
    return 0;
}

充电站

推荐一个零声学院免费公开课程,个人觉得老师讲得不错,分享给大家:Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,立即学习

相关文章
|
7月前
|
机器学习/深度学习 消息中间件 Kubernetes
动态规划-线性DP问题总结(一)
动态规划-线性DP问题总结(一)
【动态规划】198. 打家劫舍
【动态规划】198. 打家劫舍
|
7月前
|
消息中间件 Kubernetes NoSQL
动态规划-线性DP问题总结(二)
动态规划-线性DP问题总结(二)
|
算法
【学会动态规划】打家劫舍 II(12)
【学会动态规划】打家劫舍 II(12)
29 0
|
存储 Cloud Native Go
198. 打家劫舍:动态规划
这是 力扣上的 198. 打家劫舍,难度为 中等。
|
Go Cloud Native
213. 打家劫舍 II:动态规划
这是 力扣上的 213. 打家劫舍 II,难度为 中等。
101 1
|
机器学习/深度学习 Cloud Native Go
337.打家劫舍 III:动态规划
这是力扣上的 337. 打家劫舍 III,难度为 中等。
动态规划:多重背包问题
动态规划:多重背包问题
72 0
动态规划:分组背包问题
动态规划:分组背包问题
92 0
动态规划-打家劫舍和股票买卖
前言 本篇文章我们来学习下动态规划中的两个经典题型,打家劫舍和股票买卖,通过两个题型来巩固动态规划解题思路。