最佳调度问题使用状态压缩dp求解

#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;
int main() {
    int n, k;
    cin >> n >> k;
    int tasks[n];
    for(int i = 0; i < n; i ++) cin >> tasks[i];
    int dp[1 << n][k + 1];
    int sum[1 << n];
    for(int i = 0; i < (1 << n); i ++) {
        int t = i;
        int temp = 0;
        for(int j = 0; j < n; j ++) {
            if(((1 << j) & i) != 0) {
                temp += tasks[j];
            }
        }
        sum[i] = temp;
    }
    for(int i = 0; i < (1 << n); i ++)
        for(int j = 0; j <= k; j ++)
            dp[i][j] = 0x3f3f3f3f;
    dp[0][0] = 0;
    for(int i = 0; i < (1 << n); i ++)
        dp[i][1] = sum[i];
    for(int task = 1; task < (1 << n); task ++) {
        for(int t = 2; t <= k; t ++) {
            for(int sub = task; sub > 0; sub = (sub - 1) & task) {
                if(dp[task - sub][t - 1] == 0x3f3f3f3f) continue;
                dp[task][t] = min(dp[task][t], max(dp[task - sub][t - 1], sum[sub]));
            }
        }
    }
    cout << dp[(1 << n) - 1][k] << endl;
    return 0;
}

算法导论实验6之最佳调度问题

最佳调度问题，网上一般是用回溯法写的，不过貌似没看到用dp写，所以在这里我用dp写写

预备知识：状态压缩动态规划，线性动态规划

dp[task][t]表示当前的选中的任务为task数字中为1的集合，t为这些任务一共分配到t个处理机上，sub为task的子集，task-sub是一个数字，其中的1是单独拿出来放到一组的.

我感觉dp写起来比回溯法好写一些，毕竟如果程序有bug，对我而言，dp比回溯法好调一些.

程序问题不大，我在一个较小的oj平台验证过，只是还不够快，目测应该还可以再优化优化