【AcWing】dp动态规划 整理

背包问题

01背包问题（组合dp）

• 题意：N件物品 背包总体积为V 每件物品的体积为v[i]，价值为w[i] 将哪几件物品装入，可保证总体积不超过V，且总价值最大？求最大总价值。
  (01背包:每件物品只能使用一次！)
• 动态规划是不断决策求最优解的过程，「0-1 背包」即是不断对第 i 个物品的做出决策，「0-1」正好代表不选与选两种决定。
• 背包问题的最暴力解法：二维拓展优化（朴素做法）

背包问题的状态表示：
$f[i][j]$ : 表示前 $i$ 个物品，背包容量是 $j$ 的情况下的最优解（最大总价值）。
计算状态转移方程$f[i][j]$：
① 当前不选第 $i$ 个物品，$f[i][j]=f[i-1][j]$ （考虑前$i-1$个物品，背包容积是$j$时的最优解）。
② 若$j<v[i]$ 说明第 $i$ 轮背包容量不够放第 $i$ 个，只能去①。否则，当前选第 $i$ 个物品，$f[i][j]=f[i-1][j-v[i]]+w[i]$ （考虑前$i-1$个物品，背包容量是$j-v[i]$时的最优解）。
f [ i ] [ j ] = m a x { ① ， ② } f[i][j]=max\{①，②\} f[i][j]=max{①，②}
答案：
$result=f[N][V]$

#include <bits/stdc++.h>
using namespace std;
int f[1010][1010],v[1010],w[1010];
int main(){
    int N,V;
    cin >> N >> V;
    for(int i=1;i<=N;i++){
        cin >> v[i] >> w[i];
    }
    for(int i=1;i<=N;i++){
        for(int j=0;j<=V;j++){
            f[i][j]=f[i-1][j]; /* 最大总价值即i-1，j时的最大总价值 */
            if(j-v[i]>=0)
                f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]); /* 注意，当前选第i个物品时，i-1总体积为j-v[i]时的最大总价值需要加上i的价值，
                                                         然后与不选第i个物品的总价值比较，取大者，才等于i,j时的最大总价值 */
        }
    }
    int res=0;
    for(int i=0;i<=V;i++){ /* N个物品的情况下，分别看看0~V体积哪个总价值最大 */
        res=max(res,f[N][i]);
    }
    cout << res;
    return 0;
}

• 二维优化为一维:
• f[j]表示N件物品，背包容量j下的最优解
• 为什么要从V逆序枚举j呢？

假如枚举到：i=3, j=8, v[3]=5, w[3]=1

二维：dp[3][8] = max(dp[2][8], dp[2][3] + w[3]) 。此时的dp[2][8]和dp[2][3]都是上一轮的状态值。

转换成一维：dp[8] = max(dp[8], dp[3] + w[3])
我们要保证第一个dp[8]是第i轮的，第二个dp[8]是第i-1轮的，dp[3]是i-1轮的。

而按照逆序的顺序，一维dp数组的更新顺序为：dp[8], dp[7], dp[6], … , dp[3]。也就是说，在i轮更新的dp[8]，不会影响i轮中其他未更新的值dp[3]！此时的dp[3]仍是i-1轮的状态值！

而如果按照顺序，dp[3]将先于dp[8]进行更新，则dp[8] = max(dp[8], dp[3] + w[3])中dp[3]就变成了二维数组中的dp[i][3]而不是dp[i-1][3]，不符合题意了。

• 优化结果(压缩二维，只比二维节省了空间)：

#include <bits/stdc++.h>
using namespace std;
int f[1010],v[1010],w[1010];
int main(){
    int N,V;
    cin >> N >> V;
    for(int i=1;i<=N;i++){
        cin >> v[i] >> w[i];
        for(int j=V;j>=v[i];j--)
            f[j]=max(f[j],f[j-v[i]]+w[i]);
    }
    cout << f[V];
    return 0;
}

最长上升子序列（线性dp）

• 题意：一个序列:3 1 2 1 8 5 6中，最长的单调递增子序列的长度是多少？ 答：1 2 5 6。长度为4。
• 闫氏dp分析法：
• ①状态表示：f[i]表示以a[i]结尾的最长的上升序列。
• 集合：所有以a[i]结尾的上升子序列。属性：子序列长度。
• ②状态转移：f[i] = max(f[i], f[j] + 1)。
• 把前 i−1 个数字中所有满足条件 a[j] < a[i]（“上升”） 的 j 找出来，那么 f[i] 就可以试着更新为以 a[j] 结尾的最长上升子序列的长度 + 自己的长度 1，但可能更新完的结果没有之前更新过的 f[i] 大，最后两者取一个 max。
• 复杂度：$O(n^2)$ 即：[ 状态数$(n)\ast$转移数$(n)$ ]

#include <bits/stdc++.h>
using namespace std;
int a[1010],f[1010];

int main(){
    int n;
    cin >> n;
    for(int i=1;i<=n;i++){
        cin >> a[i];
    }
    for(int i=1;i<=n;i++){
        f[i]=1; //f[i]可能只有一个元素a[i]，没有倒数第二个元素，因此初值设为1。
        for(int j=1;j<i;j++){
            if(a[j]<a[i]){ //找比a[i]小的（这样才符合“上升”）
                f[i]=max(f[i],f[j]+1);
            }
        }
    }
    int res=-1;
    for(int i=1;i<=n;i++){
        res=max(res,f[i]);
    }
    cout << res;
    return 0;
}