C++算法学习笔记（更新中）

搜索

$\mathrm{dfs}$

常用 $\mathrm{void}$ 返回值类型的函数，通常格式如下：

void dfs(一些参数) {
	if (找到答案) {
		判断最优解/记录答案;
		return ;
	}
	for (枚举这个所有选项) {
		if (这个选项是合法的) {
			记录下修改的值（保存现场）;
			dfs(修改后的参数);
			恢复原来的值（恢复现场）;
		}
	}
	return ;
}

$\mathrm{dfs}$ 适用于找到一种解的问题。

$\mathrm{bfs}$

既可以直接在主函数内实现，也可以自定义一个函数，通常格式如下：

int vis[长度]; // 标记数组，也用于存放答案
数据类型 bfs() {
	queue<数据类型> q;
	q.push(初始状态);
	while (!q.empty()) {
		数据类型 cur = q.front();
		q.pop();
		if (cur是答案) return cur;
		for (枚举所有扩展) {
			if (这个选项是合法的) {
				vis[这个选项] = vis[cur] + 1;
				q.push(这个选项);
			}
		}
	}
	return 数据类型中表示无解的值;
}

$\mathrm{bfs}$ 一般用于求在地图中的最快到达问题，但是需要消耗更多的空间。

搜索优化技巧

优先队列存储结点

在有可以通过但是需要耗费更多时间的结点时，如果我们像普通的 $\mathrm{bfs}$ 一样进行扩展，那么我们所找到的第一个结点就不一定是耗时最少的结点，从而要全部扩展结束才能知道最优解。这样的方法太慢了，所以我们可以用优先队列来存储结点，那么我们每次选出的结点一定是耗时最短的结点，所以我们第一次找到的答案就一定是最优解。
警示后人：重载运算符需要使用友元函数定义在结构体里。

奇偶性剪枝

对于棋盘（地图）上正好走 $n$ 步到达终点的问题，可以对棋盘进行01染色，如下为 $3\times 3$棋盘的染色：
$$\begin{array}{ccc}0& 1& 0\\ 1& 0& 1\\ 0& 1& 0\\ 1& 0& 1\end{array}$$
如果起点与终点染上的数字相同，则两点之间需要用偶数步才能抵达；反之，则需要用奇数步。

例题，在此之中需要刚好花费 $t$ 步走到门，这样我们在每个节点进行判断奇偶性即可。

双向广度优先搜索

一般地，我们使用的是单向广度优先搜索，就是仅从起点开始向后去扩展结点。
但是这样的话，我们的结点数量将会极为巨大，时间复杂度也是 $O(n^2)$ 或是 $O(n!)$ 的，效率极低且有可能会 $\mathrm{MLE}$，这样就十年 $\mathrm{OI}$ 一场空了！！！
所以，我们智慧的前辈改进了单向广度优先搜索，发明出了双向广度优先搜索。
双向广度优先搜索好闪，拜谢双向广度优先搜索！
双向广度优先搜索适用于起点与终点皆已知的问题中，从起点和终点同时向中间枚举，当中间出现相遇的情况时我们就可以认定我们已经找到了最短路。

以下这张图可以更加直观地看出两种搜索的差距：

使用方法：

1. 定义一个二维标记数组 $vis[2][n]$，第一维存起点出发扩展出来的结点标记，第二维则存从终点出发扩展出来的结点标记。
2. 定义两个队列 $q1$ 和 $q2$，$q1$ 存起点所扩展的结点，$q2$ 存终点所扩展的结点。
3. 当两个队列都非空时（q1.size() && q2.size()），那么选择元素较少的一个队列进行扩展。
4. 当 $vis[0][k]=vis[1][k]$ 时，那么从起点出发的路径与从终点出发的路径交接了，那么我们就找到了一条从起点前往终点的通路。

$A\ast$ 算法

$A\ast$ 算法中确定了一个估价函数（也称启发式函数），用以引导搜索。因为不同状态的估价不同，所以 $A\ast$ 算法中使用 priority_queue 这一数据结构来存储每个状态。那么估价高的状态就会最先被访问到，如果估价函数设计合理，那么第一次找到的答案就是最优解。

曼哈顿距离

曼哈顿距离是一种用于地图搜索中的常见的距离表示函数，它是这样计算距离的：
$$S=|x_1-x_2|+|y_1-y_2|$$
与欧几里得距离不同

练习

说了这么多，就来试试你的实力吧！
题单1
题单2
题单3

动态规划

• 解题套路
  1. 确定状态
     一个函数符号 $f(x)$，外加这个函数符号的含义描述。
     一般函数所对应的值，就是要求解的值。
  2. 确定状态转移方程
     确定 $f(x)$ 究竟依赖于那些 $f(y)$ 的值，之间如何转移。
  3. 分析边界条件
  4. 程序实现