暑假集训第一周总结

最新推荐文章于 2024-07-28 21:59:53 发布

zazaLiu

最新推荐文章于 2024-07-28 21:59:53 发布

阅读量658

点赞数

文章标签：算法集训

本文链接：https://blog.csdn.net/zazaLiu/article/details/38057861

版权

暑假集训第一周总结：

学习内容：区间dp，树形dp，泛化背包，概率dp，数位dp，kmp，线段树与树状数组，矩阵快速幂，一些STL函数和容器的使用，扫描线；

1:区间dp

这类dp主要用来处理区间上求值问题比如最优三角形剖分问题：

将一个凸多边形分成n个三角形问划线的最短长度 zoj3537 poj 1179

                        for (i =0; i < n; ++i)
for (j = i +2; j < n; ++j)    //这里注意相邻点不需划线
cost[i][j] = cost[j][i] = Count(save[i],save[j]);
for (i =0; i < n; ++i) {
for (j =0; j < n; ++j)
dp[i][j] = INF;
dp[i][(i+1)%n] =0;    //仍然  相邻点dp值为0   这里编号1与编号n相邻
}
for (i = n -3; i >= 0; --i)//注意这三个for循环的顺序
for (j = i +2; j < n; ++j)//因为要保证在算dp[i][j]时dp[i][k]和dp[k][j]时已经计算，所以i为逆序，j要升序
for (k = i +1; k <= j - 1; ++k)
dp[i][j] = min(dp[i][j],dp[i][k]+dp[k][j]+cost[i][k]+cost[k][j]);

思想：类似于遍历每一种情况的暴力结合递归or递推在三层for循环的过程中已经计算出每两点之间划线的最小长度 dp[1][n]=dp[1][k]+dp[k][n]+cost[i][k]+cost[k][j];

2:树形dp

树形dp主要用来解决取点时有前置条件比如有前置点比如与父亲节点不能同时出现比如只在n个点取m个点这时dp的状态一般为二维

dp[i][j] 通常表示在以i为根节点的树下取j个点的值 dp[i][1],dp[i][0] 通常表示在以i为根节点的树下不取i的最大值和取了i的最大值

典型例题 hdu 1520 hdu 1561 hdu 1054 hdu 2412 poj 1947

树形dp的类型很多如求能取到的最多点能取到的最大价值取n个点的最大价值

void bfs(int i)
{
   if(visit[i]) return;
    visit[i]=1;
    dp[i][1]=a[i];
   for(int x=head[i];x!=-1;x=e[x].next)
    {
       if(visit[e[x].to]!=1)
        {
            bfs(e[x].to);
            dp[i][1]+=dp[e[x].to][0];
            dp[i][0]+=max(dp[e[x].to][0],dp[e[x].to][1]);
        }
        
    }
}    //临接表存图的深搜    一直处理到子结点 然后逐层向上更新  最后得到需要的值

临接表模版：

struct data
{
   int to;
   int next;
}e[12010];
int head[6010],
        for(i=1;i<=n;i++)
        {
            scanf("%d%d",&p,&q);
           if(p==0&&q==0)break;
            e[top].to=p;
            e[top].next=head[q];
            head[q]=top++;
            
            e[top].to=q;
            e[top].next=head[p];
            head[p]=top++;
        }


void bfs(int i)
{
   if(visit[i]) return;
         visit[i]=1;
    dp[i][1]=a[i];
   for(int x=head[i];x!=-1;x=e[x].next)
    {
       if(visit[e[x].to]==0)
        {
            bfs(e[x].to);
          for(int j=m;j>=1;j--)
              for(int k=1;k<j;k++)
                  dp[i][j]=max(dp[i][j],dp[i][j-k]+dp[e[x].to][k]);
        }
    }
}    //结合泛化背包的取点问题  注意三层循环顺序    也是泛化背包的顺序

3:泛化背包

多与树形dp结合主要体现一种任务分配思想 eg: 有三种任务每种任务投入时间不同收益不同现时间确定问如何安排活动能取得最大价值

hdu 1712 典型的泛化背包。

 for(i=1;i<=n;i++)
           for(j=m;j>=1;j--)
               for(k=j;k>=1;k--)
                dp[j]=max(dp[j],dp[j-k]+a[i][k]);

dp[j]指消耗j点体力可以得到的收益转移方程指 dp[j]可能由 dp[j-k]＋第i种任务消耗k时间

4: 概率dp

接触到了两种类型一种是求期望一种是求步数；

求期望需要正向推导求步数反向推导

类似于已知第一步走到x1-xn的概率问走到xm的概率或期望这时候需要正向递推每一个xi的概率等于之前每个能走到xi的点的概率乘走到xi的概率再求和

另一种情况已知现在在xm点问从x1走到那个点的步数这时候dp[xm]＝0；每个能到xm的点的步数等于1+走到xm的概率＊dp[xm］；可形象理解成走了一步后后面还有1/6概率走1步到达 4/6概率走2步到达 1/6概率走三步到达最后一直推导起点。

    
for(i=n-1;i>=0;i--)
        {
           if(father[i]!=-1) dp[i]=dp[father[i]];
           else
            {
           for(j=1;j<=6;j++)
            {
               if(i+j<=n) dp[i]+=(double)dp[i+j]/6;
               else break;
            }
            dp[i]+=1.0;
            }
        }