动态规划总结-Read.doc

动态规划总结 专题一 状态表示 在用动态规划解题时，我么往往第一个考虑的是数组维数，其实数组维度（和状态表示）是有规律可循的： 二维空间的DP： 一般采用二位数组——d[i，j]表示当i，j为某一边角时的极值（e：d[i，j]可以表示以i，j为右上角时所能构成的正方形的边长最大值——听不懂？接着往下看）。 还有一种表示方法：d[i，num]表示走到第i各阶段的第num个位置： 1，1 2，2 3，3 4，4 5，5 6，6 2，1 3，2 4，3 5，4 6，5 7，5 3，1 4，2 5，3 6，4 7，4 8，4 4，1 5，2 6，3 7，3 8，3 9，3 5，1 6，2 7，2 8，2 9，2 10，2 6，1 7，1 8，1 9，1 10，1 11，1 这种表示解决“多次访问同一图”类的DP题很有用。 阶段决策类的DP： 这里指阶段划分十分明显的题（0/1背包）。 一般采用d[i,j]表示执行到第i各阶段，剩余代价为j时，所能取得的最高分。（如果限制条件多，可增加维度）。 树形关系类的DP： 一般用d[i]来表示以i为根节点的最优值，可以加维来保证正确性。 线性关系类的DP： 这一类的DP最简单，是每一个OIER的必备基础，在这里就不废话了。 专题二 状态转移 （专题二与专题一的分类标准不同，因为dugushuiyi说这样分更好，感谢他） 线性转移 一般公式：d[i]= operation（d[j]+w[j，i]）（w[i]为由j转移到i的消耗）{operation为求最值} 阶段性转移 一般公式： d[i，j]：= operation（d[i-1，k]+w[k，j]，d[i-2，……） 如果只涉及到前面的有限个阶段，可以使用滚动数组。 D[I mod n，j]= operation（d[(i-1)mod n，k]+w[k，j]，d[(i-2)mod n，……） 树性转移 一般公式： D[i，j]=max（d[lson[i]，k1]+w[j，k1]，d[rson[i]，k2]+w[j，k2]） 遍历顺序一般为后序遍历顺序。 多维空间转移 一般公式： d[i，j]:=max(d[i-1,j]+w1,d[i,j-1]+w2) 复杂度分析： DP的复杂度为: 状态表示的数组维数*状态转移的代价 So A 的复杂度为O（n^2） BCD:O(n^3); 专题三 题目分类总结 一般类试题 题库： 最长不下降子序列 最长匹配前缀 邮票组合 共性总结： 题目一般可以通过for 语句来枚举状态，所以时间复杂度为O（N^2） 本类的状态是基础的基础，大部分的动态规划都要用到它，成为一个维。 一般来说，有两种编号的状态： 状态(i)表示前i个元素决策组成的一个状态。 状态(i)表示用到了第i个元素，和其他在1到i-1间的元素，决策组成有的一个状态。 01背包：（重点）★★★ 题库： 01背包（USACO、vijos1025、1104） 装箱问题（NOIP01 Trade 4）、 取火柴问题(sgu153 Playing with matches) 共性总结： 一般都从阶段的角度来表示状态 因为d[i，j]只与d[i-1，k]有关，所以可以用滚动数组来实现。D[odd（i），j] 各例分析： 采药（NOIP2006、vijos） 一个背包，每个物品只能放一次。 (1)D[i，j]：=max（d[i，j]，d[i，j-t[i]]+p[i]）； D[I,j]表示决策了前i个物品，花费了j的代价 优化：滚动数组. (2)D[odd（i），j]：=max（d[i-1，j]，d[odd（i-1），j-t[i]]+p[i]）； 观察(2)不难发现，当我们算到j时，1(j-1并没有更新，而d[i-1，j-t[i]]一定在1(j-1的范围内，所以完全可以用一位数组，方程为：d[i]：=max（d[i]，d[i-t[j]]+p[j]） 在最外层循环一下j就ok了。（精益求精） 总分（USACO） 一个背包，可以重复放物品。 D[i]：=max（d[i]，d[i-t[j]]+p[j]） D[i]表示花费i各单位时间所能达到的最大值。（较简单） Raucous Rockers（USACO） 多个背包，不可以重复放物品，但放物品的顺序有限制。 d[I,j,k]:=max(d[I-1,j,k],d[I-1,j,k-t[i]]+p[i],d[i-1,j-1,maxtime-t[i]]) d[I,j,k]表示决策到第i个物品、第j个背包，此背包花费了k的空间。d[I-1,j,k]表示不取i，d[I-1,j,k-t[i]]表示取了i病房入背包j中，d[i-1,j-1,maxtime-t[i]]