[动态规划]-------状压DP

旅行商问题

给定一个 $N$ 个顶点组成的带权图 $G(V,E)$，要求从顶点 1 出发，经过每个顶点恰好一次后再返回到顶点1，问所经过的边的总权值最小值是多少。

旅行商问题（TSP，Traveling Salesman Problem）是一个著名的 $NP$难 问题，没有已知的多项式时间的算法，不过我们还是可以通过设计算法来解决规模较小的 $TSP$ 问题。

容易想到朴素做法的时间复杂度为 $O(n!)$ 级别，即遍历路径的所有可能情况。状态压缩动态规划可以在指数级时间内求解TSP问题，这也是一个入门状压DP的经典问题。

状压DP解决TSP问题

假设现在已经访问过的顶点集合为 $S$ ，当前所在的顶点为 $v$，用 $DP[S][v]$ 表示从 $v$ 出发访问剩余所有顶点，最终回到顶点1的路径的权重的最小值。从 $v$ 出发可以转移到任何一个不在 $S$ 中的顶点u，因此有如下转移方程：
d p [ V ] [ 0 ] = 0 d p [ S ] [ v ] = m i n { d p [ S   ∪   u ] [ u ] + d ( v , u )   ∣   u ∉ S } dp[V][0] = 0 \\ dp[S][v]=min\{dp[S\ \cup \ u][u]+d(v, u)\ |\ u \notin S\} dp[V][0]=0dp[S][v]=min{dp[S ∪ u][u]+d(v,u) ∣ u∈/​S}
这个递推式的下标有一个不是整数，而是一个集合，但是我们可以把它编码成一个整数，把每一个元素是否在集合内对应到一个二进制位里，从而把状态压缩成一个整数，方便计算和维护。

int dp[1<<MAXN][MAXN]
void DP()
{
	for(int S=0;S<(1<<n);S++)
	{
		fill(dp[S], dp[S]+n, INF);
	}
	dp[(1<<n)-1][1] = 0;
	for(int S=(1<<n)-1;S>=0;S--)      //枚举状态 
	{
		for(int v=1;v<=n;v++)
		{
			for(int u=1;u<=n;u++)
			{
				if(!((S>>u)&1))
				    dp[S][v] = min(dp[S][v], dp[S|(1<<u)][u]+d[v][u]);
			}
		}
	}
	return dp[0][1];
}

这样就可以在 $O(2^n\times n^2)$ 的时间内完成计算。虽然还是很高，但比起阶乘还是好很多。这样针对集合的DP一般叫状态压缩DP。

例题

ACwing 91. 最短Hamilton路径 .

洛谷P1879 [USACO06NOV]Corn Fields G.

AtCoder Beginner Contest 190 E - Magical Ornament.