动态规划的分类解析.pptVIP

最低通行费 输入 第一行是一个整数，表示正方形的宽度N (1 = N 100)； 后面 N 行，每行 N 个不大于 100 的整数，为网格上每个小方格的费用。 输出 至少需要的费用。 分析 我们可以发现这道题目给我们提供了一段序列，我们需要做的就是每次选取一个断开的点，然后把问题递归地求解就可以了。 这就为我们的动规提供了条件：具有最优子结构性质。 我们需要做出的决策，仅仅是从当前序列中选取一个点作为当前子树的根节点，所以动规的转移是O(n)的。 状态的确定 我们用opt[i][j]表示在[i..j]区间内可以获得的最大加分，用root[i][j]表示[i..j]范围内选取哪个结点作为根时可以获得最大加分。 对区间[i,j](ij)，我们定义opt[i][j]=1; 则有： opt[i][j]=max {opt[i][k-1]*opt[k+1][j]+value[k] | k=i,i+1,i+2..j} root[i][j]为对应的k值 int search(int l, int r) { if (opt[l][r] != 0) return opt[l][r]; for (int i = l; i = r; i++) if (search(l, i - 1) * search(i + 1, r) + value[i] opt[l][r]) { opt[l][r] = search(l, i - 1) * search(i + 1, r) + value[i]; root[l][r] = i; } } memset(opt, 0, sizeof(opt)); for (int i = 1; i = n + 1; i++) opt[i][i - 1] = 1; for (int i = 1; i = n; i++) opt[i][i] = value[i]; int Ans = search(1, n); 代码 上面几道题是区间动态规划的一些例题，它们的基础时间复杂度都是O(N3)的 聚会的快乐(Party) 你要组织一个由你公司的人参加的聚会。你希望聚会非常愉快，尽可能多地找些有趣的人。但是劝你不要同时邀请某个人和他的上司，因为这可能带来争吵。给定N个人（姓名，他幽默的系数，以及他上司的名字），找到能使幽默系数和最大的若干个人。 输入 第一行一个整数N（N100）。接下来有N行，每一行描述一个人，信息之间用空格隔开。姓名是长度不超过20的字符串。幽默系数是在0到100之间的整数 输出 邀请的人最大的幽默系数和 分析 仔细看过这个问题之后，会发现这道题目和我们上面遇到的一些类型的动态规划都有点区别：它的数据并不是以线性或者表格的形式， 而是以树的形式进行存储的。 可以发现，这道题目中的关系可以简单地描述为：在一棵树中，父亲结点和儿子结点不可以同时选取。而每个结点有一个权值，在满足上述条件的情况下求出可以选取出的最大值。 这就是我们所说的树形动态规划。由于树本身的递归性质，我们使用记忆化搜索的方法来完成子问题答案的存储。 状态的确定 显然，对于每个结点我们需要记录当前结点是否被取到，以及在该种情况下该子树所能获得的最大幽默系数。 因此，我们定义opt[1][i]表示在编号为i的结点必取的情况下以i为根的子树所能获得的最大快乐值；相应地，opt[0][i]表示在编号为i的结点不取的情况下以i为根的子树所能获得的最大幽默系数。 则根据题目中的要求，我们有 opt[1][i]=value[i] + Σopt[0][k](k为所有i的子结点的编号) opt[0][i]=Σmax{opt[0][k],opt[1][k]}(k为所有i的子结点的编号) w数组用来存储边； r[i]存放编号为i的结点的儿子数； d[i]中存放编号为i的结点的在w数组中最后一条边的编号，其中d[0]=0;d[i]=d[i-1]+r[i]; int search(int flag, int lab) { //记忆化搜索 if (opt[flag][lab] != 0) return opt[flag][lab]; int p = (flag == 1) ? value[lab] : 0; for (int i = d[lab - 1]; i = d[lab]; i++) if (flag == 1) p += search(0, w[i]); else p += max(search(0, w[i]), search(1, w[i])); opt[flag][lab] = p; return