学习动态规划DP（三）最优匹配问题

前言：《算法竞赛入门经典》中将最优匹配问题归在复杂状态的动态规划下，第一次看的时候完全不懂…，隔几天后再看顿时豁然开朗，快点写下笔记和总结。在此问题之前还有树上的动态规划，以后再总结一下。

问题描述：空间里有n个点P0,P1,…,Pn-1，你的任务是把它们配成n/2对（n是偶数），使得每个点恰好在一个点对中。所有点对中两点的距离之和应尽量小。其中 n≤20。

要匹配的点最多才20个，所以这里可以把所有点看成一个点集，并且可以用二进制表示方法来表示这个集合。（学的时候感觉，太强了，太好用了。但需要先明白位运算）。
如：01101 表示第 0，2，3个元素存在于集合中，相当于全集的子集表示。由于二进制为从0开始，所以上述的点编号也从0开始。
用二进制表示的好处：便于寻找那些点在集合中，便于划分子集！

思路：要求的是所有点的最优匹配，我们把大问题划分为小问题，再根据小问题所求 的解来求解大问题；
先求解任意一个只含有两个点的子集，求这些子集的最优解（即求解 点 i 到
全集S中其他点的距离的最小值）；
再求解任意一个只含有四个点的子集，因为只含有两个点的子集已经计算过。
所以我们在原来计算过的基础上，在S中寻找其他的两个点，计算它们的距离。
再将这四个点并成一个集合，同样地要取最小解。
（即若原来0,1两点已经匹配好，那我们要求的是，所有包含0和1且含有四个点
的集合的最优解）
这样依次类推，直到求得全集的最优解 。
（我们每次求得的解都是，含有某些配对的集合的最优解）

定义状态：d[s] 表示 点集s的最优匹配，则状态方程表示为：
d[s] = min( d[s] , dist(i,j)+d[s^(i<< i )^(1<< j )];
其中s^(1<< i)^(1<< j) 表示 集合s除去 i和j 的子集；
相当于一种构造集合的方式：通过往集合中添加一对匹配的点构造集合（一开始为空集）。

下面是通过紫书学习的代码，注释的都是我学习时一点点弄懂的；原书上代码有一点小错误，有读者在看原书的话注意一下。

#include<iostream>
#include<cmath>
using namespace std;

const int N =