POJ_DP.ppt

北京大学 陈峰宏;;最优子结构 最优决策序列的字序列也是最优的 无后效性 决策只取决于当前状态的特征因素，而和到达此状态的方式无关;递推同样需要状态的划分和无后效性 但是递推的转移函数（状态转移方程）通常不包括max和min，而是一些统计函数——如求和 递推的难点通常在状态建模和转移函数的确定 综上所述，将递推看成动态规划的一种形式是没问题的 因此，接下来的内容将不区别动态规划和递推;n个小朋友排队（每个小朋友都不一样高）。两个小朋友a和b能够互相看见当且仅当排在它们中间的小朋友比a和b都要矮。已知队伍中一共有m对小朋友可以互相看见，问有可能有多少种排队方式。 数据范围：n=80,m=10000;出题者想考察的是什么？ 那么，有什么问题是不太需要考虑的？ 由此可以发现什么？;从上面的分析可以看出，动态规划可以看成是对搜索的一种记忆化优化 动态规划就是将搜索时重复结算的状态保存下来，以空间换时间。 记忆化搜索往往是按自顶向下的方向求解，而我们平常所写的动态规划往往是自底向上的方向求解。 故实质上可以看成是记忆化搜索的一种非递归形式;有n个灯， 个开关，每个开关恰好控制3个灯（摁下去则改变那3个灯的状态），且任意两个开关控制的灯都不完全相同 给定n个灯的初始状态和目标状态 你需要打开恰好m个开关，达到目标状态 一开始所有的开关都是关着的 共有多少种方案（输出方案数模10007）？ 数据范围(n=1000,m=1000);先来个原始的想法 F(I,j)表示打开i个开关，到达状态j（j不是一个数，而是表示一个状态，可能需要一个长度为n的二进制数）的方案数 问题 每个开关只能打开一次——无后效性？？？ 时间和空间复杂度！！！！ ;观察——对于初始状态和目标状态，输入中用个2n个数来描述 根据对称性，只需要知道两者有多少个灯有区别即可——需要一个数来描述 问题可以转化成，输入n，m，k（需要改变k个灯的状态），输出方案数 顺其自然，可以想到状态的表示，也可以如此简化 ;F(I,j)表示打开i个开关后，改变了j个灯的状态的方案数 需要注意什么问题？ 先开开关A，后开???关B，和先开B，后开A是不是同一种方案？ 存在什么问题？ 后效性仍然存在！！！无法解决重复打开同一开关的问题;记F(i,j)为打开i个开关（不重复），改变j个灯的方案数 F(i,j)=最后一个开关随意选的方案数——最后一个开关与前面某个重复的方案数 前者很好计算 后者@@，无从下手？;如何计算与前面某个状态重复的方案数？ 已经打开了i-1个开关，有可能于任何一个重复 假设与第t个开关重复，去掉这两次操作（第t次和第i次），考虑接下来的i-2次操作 惊奇的发现，它与i次操作的结果相同 故与前面某个状态重复的方案数=f(i-2,j)*(i-1);综上所述，此题共有状态n*m个 状态转移所需时间复杂度O(1) 空间复杂度共为O(n*m) 时间复杂度为O(n*m) 还需要考虑的问题？ 预处理 边界条件的判断 最后答案需要的处理 模10007剩余类的除法（10007是质数） ;可以先尝试简单的模型，再加以完善 学会把握住简化模型的关键点 有时可以通过观察数据范围，建立不同的模型 熟练的建立动态规划模型需要经验;动态规划的优化通常可以比较明显的分成两类 降低时间复杂度的优化——通常称为降维 不一定降低时间复杂度的优化——可以称为剪枝 并不是说降维一定比剪枝好，许多动态规划的剪枝空间还是很大的 但是剪枝通常没有固定的方法，需要的是大量经验。因此，这里着重讲动态规划的降维;使用队列、栈等线性数据结构降维 使用较高级的数据结构降维 四边形不等式 *凸（凹）完全单调性@@;给定m种砝码，每种砝码ai个，需要知道1克，2克……n克这些重量的物体能否秤出。 M=10000,n=10000,ai=10000。 ;很常见的一类动态规划题 先不考虑时间复杂度，请给出一个动态规划建模方案。;考虑到时间复杂度，我们至少需要达到什么样的效果？ 原方案中哪里有冗余？ 发现了什么，如何优化？;地上并排插着n块木板，每块木板高度为ai，宽度为1。 请在这些木板上画出一个长方形用于广告，使得这个长方形的面积最大。 数据范围n=1000000;先考虑简单想法 将想法细致化，问题可以简化至什么程度？ 结合数据结构，如何优化？;通常有一个浅显的建模（不一定哦O(∩_∩)O~） 转移方程有可优化的余地 接下来，需要观察 更进一步，有可能需要计算和推导 基本要求：需要对各种基础数据结构“融会贯通”（栈，队列……）;国王想要游览整个城市。城市有一个n*m矩阵形状的交通路线。已知国王游览的“大方向”是从南向北（即绝不向南走），且不会经过重复的地方两次或以上。 每条东西向的街道都有一个权值（可以是负数），表示国民对国王的欢迎程度