2018年9月13日训练总结

首先补完徐州网络赛的B题之后，就上网搜了一些记忆化搜索的资料，看了十几道例题。

个人理解：

记忆化搜索就是利用搜索的特性，在回溯的时候利用动态规划的思想进行状态转移。

一般的for循环dp，是在前面状态的基础之上，做出这一步决策，来保证到目前为止的决策是最优的。

而记忆化搜索，记录了已经遍历过的状态（独一无二的状态）。你做完这一步决策的结果，可以由记忆化直接得出最终的结果。

也就是说你当前状态的最优值不仅与之前状态有关，还与你做出这个决策之后，最终所得的结果有关。而我们想知道最终的结果，就需要遍历许多之后的状态，于是记忆化就大大减少了重复计算的次数（这就是记忆化搜索的最好的地方）。

从网上摘抄的资料：

记忆化搜索递归式动态规划 
1.记忆化搜索的思想 
记忆化搜索的思想是,在搜索过程中，会有很多重复计算,如果我们能记录一些状态的答案，就可以减少重复搜索量 
2、记忆化搜索的适用范围 
根据记忆化搜索的思想，它是解决重复计算，而不是重复生成，也就是说，这些搜索必须是在搜索扩展路径的过程中分步计算的题目，也就是“搜索答案与路径相关”的题目，而不能是搜索一个路径之后才能进行计算的题目，必须要分步计算，并且搜索过程中，一个搜索结果必须可以建立在同类型问题的结果上，也就是类似于动态规划解决的那种。 
也就是说，他的问题表达，不是单纯生成一个走步方案，而是生成一个走步方案的代价等，而且每走一步，在搜索树/图中生成一个新状态，都可以精确计算出到此为止的费用，也就是，可以分步计算，这样才可以套用已经得到的答案 
3、记忆化搜索的核心实现 
a. 首先，要通过一个表记录已经存储下的搜索结果，一般用哈希表实现 
b.状态表示，由于是要用哈希表实现，所以状态最好可以用数字表示，常用的方法是把一个状态连写成一个p进制数字，然后把这个数字对应的十进制数字作为状态 
c.在每一状态搜索的开始，高效的使用哈希表搜索这个状态是否出现过，如果已经做过，直接调用答案，回溯 
d.如果没有，则按正常方法搜索
4、记忆化搜索是类似于动态规划的，不同的是，它是倒做的“递归式动态规划”。 

所以，以后如果遇到问题，需要反复dfs/bfs大量的状态， 而这些状态是有很多的重复的，一定要想到记忆化。它可能用处不止在于dp，还有一些其他结合dfs/bfs的题目，因为好久没做过这样的题目，所以才会忘得很干净，这下要牢记了。

然后继续看了cf的解题报告。有一些计算几何、推公式的题目看不太懂，还有一些地方写错了（害我想了半天= =。），能完全看懂的、看懂一半的、完全看不懂的题数比例大约是4：4：2吧。不过知识点覆盖比较全，也具有较高的思维性，就是一道题得想半天。。。思维等级还是比较低，继续努力吧。

趁java实验的时候练习了大数BigInteger的使用和函数的使用，并且做了几道题练练手。希望遇到大数的题目的时候能够快速写出来。