<<DP问题各种模型的状态转移方程>>
1(最长公共子序列)
两个字符串str1和str2,长度分别为(l1,l2)
dp[i][j]表示以两个字符串分别以第i和第j个字符结尾所能达到的公共子序列的长度
if(str[i]=str[j])
dp[i][j]=dp[i-1][j-1]+1;
if(str[i]!=str[j])
dp[i][j]=0;
注意dp[i][0]=0(0<=i<=max(l1,l2);dp[0][i]=0(0<=i<=max(l1,l2);
2(最长上升或下降子序列)
给定一个序列a1,a2..........an;
dp[i]表示以ai结尾的最长上升子序列长度(下降相反)
核心代码:
for(i=1;i<=n;i++){
dp[i]=1;
for(k=1;k<i;k++){
if(ak<ai&&dp[i]<dp[k]+1)
dp[i]=dp[k]+1;
}
}
注意最长不上升或不下降子序列问题
3(最大子序列的和问题)
给定一个序列a1,a2..........an;
求子序列的和最大问题dp[i]表示以ai结尾的子序列和,max为最大子序列和
核心:
1如果输入的数据全部为负数则最大值就是序列中的一个最大值
2如果有正数
for(i=1;i<=n;i++){
dp[i]=dp[i-1]+ai;
if(dp[i]<0)
dp[i]=0;
if(max<dp[i])
max=dp[i];
}
4(数塔问题)
给定一个数组s[n][m]构成一个数塔求从最上面走到最低端经过的路径和最大
我么采用至底向上的思路求解问题(注意从倒数第二行开始)
dp[i][j]表示走到第i行第j个的最大值
那么就有dp[i][j]=max{dp[i-1][j-1],dp[i-1][j]}+s[i][j];
for(i=n-1;i>=1;i--){
for(j=1;j<=i;j++){
dp[i][j]=max{dp[i-1][j-1],dp[i-1][j]}+s[i][j]
}
}
最后dp[1][1]即为最大值
5(01背包问题)
有N件物品和一个容量为V的背包。第i件物品的体积是v[i],价值是c[i]。求解将哪些物品装入背包可使价值总和最大。
我们知道对于没一件物品我们有两种可能就是放与不放
dp[i][j]表示第i件物品放入容量为j的背包所得的最大价值
dp[i][j]=max{dp[i-1][j-v[i]]+c[i],dp[i-1][j]};
这里我们从j=V倒推回来的话可以优化成
dp[j]=max{dp[j],dp[j-v[i]]+c[i]};
核心代码:
for(i=1;i<=n;i++){
for(j=V;j>=0;j--){
if(j>=v[i])
dp[j]=max{dp[j],dp[j-v[i]]+c[i]};
}
}
6(完全背包问题)
有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的体积是v[i],价值是c[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
这时候对于没见物品就不是放与不放的问题了,而是放0件1件.......
这时候我们可以像01背包一样
dp[i][j]表示容量为j的背包第i件物品是否要再一次放入所以我们要从0-V顺序循环
dp[i][j]=max{dp[i-1][j-v[i]]+c[i],dp[i-1][j]}(注意这里和01背包一样但是求解的过程不同)
优化后:dp[j]=max{dp[j],dp[j-v[i]]+c[i]};
核心代码:
for(i=1;i<=n;i++){
for(j=v[i];j<=v;j++){//注意这里是从v[i]开始到V
if(j>=v[i])
dp[j]=max{dp[j],dp[j-v[i]]+c[i]};
}
}
注意这列求出的dp[v]是最大的因为一直叠加
7(多重背包问题)
有N种物品和一个容量为V的背包。第i种物品最多有n[i]件可用,每件费用是c[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
因为对于第i种物品有n[i]+1种策略:取0件,取1件……取n[i]件。
重点:令dp[i][j]表示前i种物品恰放入一个容量为j的背包的最大价值
状态转移方程:dp[i][j]=max{dp[i-1][v-k*v[i]]+k*c[i]|0<=k<=n[i]};(k表示第i种物品放入k件);
核心代码:
for(i=1;i<=n;i++){
for(j=v;j>=0;j--){
for(k=1;k<=n[i];k++){
if(j>=k*v[i])
dp[i][j]=max(dp[i-1][v-k*v[i]]+k*c[i])
}
}
}
-
混合三种背包问题)
fori=1..N
if第i件物品属于01背包
ZeroOnePack(c[i],w[i])
elseif第i件物品属于完全背包
CompletePack(c[i],w[i])
elseif第i件物品属于多重背包
MultiplePack(c[i],w[i],n[i])
-
二维费用的背包问题)
二维费用的背包问题是指:对于每件物品,具有两种不同的费用;选择这件物品必须同时付出这两种代价;对于每种代价都有一个可付出的最大值(背包容量)。问怎样选择物品可以得到最大的价值。设这两种代价分别为代价1和代价2,第i件物品所需的两种代价分别为a[i]和b[i]。两种代价可付出的最大值(两种背包容量)分别为V和U。物品的价值为w[i];
费用加了一维,只需状态也加一维即可。设f[i][v][u]表示前i件物品付出两种代价分别为v和u时可获得的最大价值。
状态转移方程就是:
f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+w[i]}
10(分组的背包问题)
问题
有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。这些物品被划分为若干组,每组中的物品互相冲突,最多选一件。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
算法
这个问题变成了每组物品有若干种策略:是选择本组的某一件,还是一件都不选。也就是说设f[k][v]表示前k组物品花费费用v能取得的最大权值,则有:
f[k][v]=max{f[k-1][v],f[k-1][v-c[i]]+w[i]|物品i属于组k}
使用一维数组的伪代码如下:
for所有的组k
forv=V..0
for所有的i属于组k
f[v]=max{f[v],f[v-c[i]]+w[i]}
注意这里的三层循环的顺序,甚至在本文的第一个beta版中我自己都写错了。“forv=V..0”这一层循环必须在“for所有的i属于组k”之外。这样才能保证每一组内的物品最多只有一个会被添加到背包中。
另外,显然可以对每组内的物品应用P02中“一个简单有效的优化”。
11(最大子段和问题(最大子序列的和不同))
给定一个序列为a1,a2,a3......an;
要求:求出这个序列里面找到一个子段和最大
dp[i]表示以第i个元素结束,求出所有的“以第i个元素结束的连续数组最大和dp[i]
就有:1如果dp[i-1]>0,无论ai为何值,有dp[i]=dp[i-1]+ai;
2如果dp[i-1]<=0;舍弃,重新令dp[i]=ai;(因为dp[i-1]为负数无论ai为什么值加上去都会减少)
状态转移方程:dp[i]=dp[i-1]+ai (dp[i-1]>0)
dp[i]=ai(dp[i-1]<=0)
12(最大m子段和)
在限制条件增加一维时,可以将状态也相应的增加一维,来进行状态转移
以dp[i][j]表示以第i个元素为结尾,使用j个子段所能达到的最大值(这一维的状态,正是对应了新的限制条件!)这样就很容易写出
状态转移方程:
dp[i][j]= max{ dp[i - 1][j] + a[i], dp[i - k][j - 1] + a[i]}( j - 1 <= k <n - m + j).
1dp[i - 1][j] + a[i] (把第i个元素包含在最后一个子段内)
2dp[i - k][j - 1] + a[i], j - 1 <= k < n - m + j(第i个元素单独为一子串)
4矩阵连乘
问题描述:给定一序列的矩阵要求找到一种矩阵连乘的顺序,使得连乘的次数最少
思路:建立递推表达式,利用动态规划的方式
m[i][j]表示第i个矩阵至第j个矩阵这段的最优解。
还有对于两个矩阵M(i,j)*S(j,k)则需要i*j*k次乘法
1显然如果i=j,则m[i][j]这段中就一个矩阵,需要计算的次数为0;
2如果i>j,则m[i][j]=min{m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j]},其中k,在i与j之间游荡,所以i<=k<j;
因为你要保证在计算m[i][j]查找m[i][k]和m[k+1][j]的时候,m[i][k]和m[k+1][j]已经计算出来了
所以有动态转移方程:
m[i][j]={ 0 , i=j};
m[i][j]={min{m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j]} , i!=j};
m[1][n]即为最终求解
模板代码(代码实现时需要注意的问题:计算顺序!!!):
#include<iostream>
usingnamespace std;
constint MAX = 100;
//p用来记录矩阵的行列,main函数中有说明
//m[i][j]用来记录第i个矩阵至第j个矩阵的最优解
//s[][]用来记录从哪里断开的才可得到该最优解
intp[MAX+1],m[MAX][MAX],s[MAX][MAX];
intn;//矩阵个数
voidmatrixChain(){
for(inti=1;i<=n;i++)
m[i][i]=0;//相同初始化为0
for(intr=2;r<=n;r++)//对角线循环
for(inti=1;i<=n-r+1;i++){//行循环
intj = r+i-1;//列的控制
//找m[i][j]的最小值,先初始化一下,令k=i
m[i][j]=m[i][i]+m[i+1][j]+p[i-1]*p[i]*p[j];
s[i][j]=i;
//k从i+1到j-1循环找m[i][j]的最小值
for(intk = i+1;k<j;k++){
inttemp=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
if(temp<m[i][j]){
m[i][j]=temp;//更新
//s[][]用来记录在子序列i-j段中,在k位置处
//断开能得到最优解
s[i][j]=k;
}
}
}
}
//根据s[][]记录的各个子段的最优解,将其输出
voidtraceback(int i,int j){
if(i==j)
return;
traceback(i,s[i][j]);
traceback(s[i][j]+1,j);
cout<<"MultiplyA"<<i<<","<<s[i][j]<<"andA"<<s[i][j]+1<<","<<j<<endl;
}
intmain(){
cin>>n;
for(inti=0;i<=n;i++)
cin>>p[i];
//测试数据可以设为六个矩阵分别为
//A1[30*35],A2[35*15],A3[15*5],A4[5*10],A5[10*20],A6[20*25]
//则p[0-6]={30,35,15,5,10,20,25}
//输入:630 35 15 5 10 20 25
matrixChain();
traceback(1,n);
//最终解值为m[1][n];
cout<<m[1][n]<<endl;
return0;
}