一道题理解二进制子集枚举与状态压缩

相关理论

1、二进制子集枚举

对于一个二进制数，其子集指的是对于原二进制数中1的选择，如对于一个二进制数01101，有三个1，则有8个子集，分别为01101，01100，01001，00101，01000，00100，00001，00000。

方法一：暴力枚举

// m => 总状态数
for (int i = 1; i < m; i++) {
    // 从 [1, i] 就可以了，后面的一定不会是 i 的子集
    for (int j = 1; j <= i; j++) {
        // 检查状态 j 是不是状态 i 的二进制子集
        if ((i | j) == i) {
            // To Do..
        }
    }
}

方法二：

// m => 总状态数
for (int i = 1; i < m; i++) {
    // 枚举状态 i 的二进制子集
    for (int j = i; j > 0; j = (j - 1) & i) {
        // j即为i的二进制子集
    }
}

 2、状态压缩

状态压缩，其实就是将数组arr的arr[i]看作某个 十进制数字 的二进制上的第i位，1表示该元素被选择，反之不被选择。十进制数字是多少我们根本不用担心，我们关心的是它的二进制长啥样。状态压缩可以简单的理解为把一个boolean数组压缩到了一个十进制数字上，之后可以使用位运算的各种技巧来简化代码逻辑。

// m => 总状态数
for (int i = 1; i < m; i++) {
    // 从 [1, i] 就可以了，后面的一定不会是 i 的子集
    for (int j = 1; j <= i; j++) {
        // 检查状态 j 是不是状态 i 的二进制子集
        if ((i | j) == i) {
            // To Do..
        }
    }
}

应用

 思路：把每个任务task[i]看成某个十进制数字的二进制上的第i位，1表示该任务被选择，反之不被选择，则对于一个长度为n的task数组，完成所有任务的状态为(1<<n)-1，即n个1组成的二进制数。定义dp数组，其长度为总状态数，预处理每个状态，合法状态预设为1，然后对每个状态枚举子集，维护dp数组。

class Solution {
    public int minSessions(int[] tasks, int sessionTime) {
        int n = tasks.length, m = 1 << n; //m为总状态数
        final int INF = 20;
        int[] dp = new int[m];
        Arrays.fill(dp, INF);
        // 预处理每个状态，合法状态预设为 1
        for (int i = 1; i < m; i++) {
            int state = i, idx = 0;
            int spend = 0;
            while (state > 0) {
                int bit = state & 1;
                if (bit == 1) {
                    spend += tasks[idx];
                }
                state >>= 1;
                idx++;
            }
            //对满足条件的状态，进行预处理
            if (spend <= sessionTime) {
                dp[i] = 1;
            }
        }
        // 对每个状态枚举子集
        for (int i = 1; i < m; i++) {
            //跳过已经有最优解的状态
            if (dp[i] == 1) {
                continue;
            }
            for (int j = i; j > 0; j = (j - 1) & i) {
                // i 状态的最优解可能由当前子集 j 与子集 j 的补集得来
                dp[i] = Math.min(dp[i], dp[j] + dp[i ^ j]);
            }
        }
        return dp[m - 1];
    }
}