【转载】动态规划超实用套路——刘子沛

Fideow

已于 2022-10-04 21:17:20 修改

阅读量370

点赞数 2

分类专栏：算法文章标签：动态规划算法

于 2022-10-04 21:04:20 首次发布

原文链接：https://blog.csdn.net/weixin_45908068/article/details/106176223

版权

算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

前言

本文为二十一世纪二十年代的最新产物，作者：刘子沛
微信号：zipeiliu
想转载请随时联系我
本文内容可能过于丰富，建议先扫一遍，然后再分成几个部分每天读一部分，因为这样你才能掌握本文的精髓

干货ahead!!!

动态规划 (DP) 是一个很万能的东西，好比数学中的方程。它也是信奥学习中的重点和难点，因此把它学好至关重要。如果你去洛谷等OJ上刷题你会明显感觉到：

DP的题目我都能看得懂题解，但要我自己写却没有思路。这时，解题的套路就凸显出了它的重要性。

套路如浩瀚的题海中的一座灯塔，指引我们解题的方向。 ——刘子沛

网上其他的文章会叽里咕噜说一堆东西，常见的有
暴力递归解法——带备忘录的递归解法——递推解法

可你不妨设想一下，这种套路有实质的作用吗？
没有，因为前两步会比第三步还要难写。

那么难道真的没有套路吗？
有的，答案就在下面。

一、DP四步走

1. 状态的表示
2. 状态转移方程
3. 边界
4. 优化

注意：这4步和所谓的 DP三要素 完全不同，后面会讲到。

二、“四步走”的详解

PS：这部分博客会按照四个步骤分为四个小部分，每部分会以一个口诀结束，并会在下方有相应的解释，口诀的作用是方便各位大佬记忆，~~看我多贴心~~ 。

1. 状态的表示

令 dp[ i ] [ j ] [ k ] = x ，其中 [ i ]、[ j ]、[ k ] 我们将它们定义为状态转移方程的维。

两个要点：

每一维所表示的状态除了表面状态，还可以表示更深层次、更抽象的东西，DP中较难的题目都是既有维表示表面状态，又有维表示深层次的状态。
举例：pre , step , id , money 等。
上面式子中的 x 一般表示题目要求求的值（比如“到达终点最少需要多少步），但是也有例外，如可行性DP（以后会精讲）。

表深结合唯可推

表深结合：上面讲的，不用解释了吧2333
唯：唯一。意思是说对于你设计的状态，我随便给一个范围内的状态，比如 dp [ 1 ] [ 2 ] [ 4 ] ,它必须表示唯一的状态
可推：可递推。就是说可以从之前的若干状态自然而然地转移到当前状态

2.状态转移方程

可能有人会问：前面状态都设计好了，状态转移方程不是就呼之欲出了吗？
我回答：可是你以为所有的题目转移方程都像斐波那契数列和背包DP等等那么简单吗？

错

很多题目的状态转移方程还是很复杂的，有可能会用到以下结构：
if / else——分类讨论
max / min——求最值
for / while——遍历大量子状态
&& / || / ^ ——可行性DP
当然，也不局限于这些，只能说具体题目具体分析。

五花八门只看前

五花八门：这个词比较华丽。意思就是说转移时可能会很复杂，“很五花八门”，但我们一定要专注于需要哪些子状态来计算得到当前状态，而不是过分考虑，最终一无所获（后面再考虑优化等问题）。
只看前：不考虑后面怎样怎样，而是只考虑前面的状态，并借助它们进行转移。

3.边界

where？（在哪儿赋边界值）
考虑求解每个子问题时，有哪些时候“踩空”了（也就是说求解它是前面的子状态不合法），“踩空”的位置及那一类位置就是where
what？（在where的地方赋什么值）
0：当 x=step / cnt / wealth 时
1：当 x=方案数时
∞：求min时故意不从这里转移
-∞：求max时故意不从这里转移
true/false：可行性DP

踩空处赋各种值

这个……没啥可解释的了吧。

4.优化

这个操作很宽泛，举例：

矩阵优化，单调队列优化
DP算法本身的优化
去掉DP状态数组的一些维
各种玄学小技巧类的优化（快读，氧气等等）

自身简化专业玄

坚持看完的都是大佬

建议各位大佬将本文收藏，多读几遍，口诀最好背过，这样效果最好。
本文的初衷是想让大佬们更加大佬化，WE AK NOIP！！！

Wait！！！

信奥中有一句通用法则：

题海战术

套路虽然有用，但是不结合题目来实战，就等于0
我们一起来将这个DP套路应用到实际解题当中：
（ DP的核心其实是在思路这块，代码相对而言可以说是呼之欲出的，又限于篇幅，后面就重点讲思路，代码就省略了哈）

基础应用.

题意：树上多重背包（可百度）
这道题大家在学习DP的时候应该都学过，但你知道解题人是怎么想出这么奇妙的算法的吗？
1.状态的表示
首先，树形DP 99% 的题目都必定有一维表示当前的节点编号。
然后，你可能就会懵逼了。接下来呢？那个天才能往别处想呢？
这是，口诀1 就发挥作用了：唯可推。每当我们状态设计到一半时，都要想一想：当前状态是否能表示唯一的操作？在这里，很显然是不能的，为什么？
因为我当前在这个节点，那我对它的子树进行了哪些操作？用了多少背包容量？于是乎，加一个维：占用背包容量大小。
那可推吗？首先，在直觉上你是可以感觉到可推的，因为我如果买当前节点的话把占用背包容量一减其实就能转移了，具体行不行可以在下一步再考虑。

2.状态转移方程
我们直接从口诀出发，会有一种被导游指引着的感觉，自己也不用有多么强的跳跃性思维，只要一步一步来，就解决问题了Orz
五花八门：实际上是这道题转移太简单了，所以很容易想到要枚举子节点
只看前：这里就需要格外关注了：当我转移时，假设当前节点u的儿子为v，可能只是v并不是最优的，以后还可能变得更优，那为什么现在就着急转移？因为后面的所谓“更优”其实会在v和u各利用一次，导致计算重复

3.边界
老规矩，先想口诀：踩空处赋各种值
那么我们就来找一下踩空处
模板中的做法是对于每个节点，枚举其所有叶子结点来更新值，最后加上当前节点的价值。
容易想到，叶子结点是特例：它没有子节点。但这并不影响做法，因为最后我们总会算上当前节点的价值，而本题又让我们求最大值，所以直接memset为无穷小。错了！！！
应该memset为0。
这是叶子结点就起决定性作用了。叶子节点不枚举其子节点，也就意味着最后的值会是无穷小+节点价值！
所以，赋值为0的话，可以避免这种情况。
从本题中，你可以学到：