【AcWing算法基础班】动态规划（一）学习笔记

一、背包问题的类型

（1）01背包（0：不用；1：用）
给N个物品，容量是V的背包。用v表示单个物品的体积，w表示单个物品的权值。每件物品最多只能用一次。目标：能放入背包，选出物品的总权值最大。
（2）完全背包（完全：物品个数无限，可以装多次）
（3）多重背包（每个物品个数有限）
（4）分组背包
物品有N组，每一组物品里面有若干个。每一组里面最多只能选一个物品。

二、01背包问题

样例：N=4，V=5
（v，w）：（1，2），（2，4），（3，4），（4，5）
答案：8
什么是DP：
①状态表示：f[i][j]
字母f是集合，此集合中包含所有选法，限制条件是：只从前i个物品中选，总体积小于等于j
表示的是属性，即最大值、最小值、数量等，背包问题要求最大值。
答案：f[N][V]
②状态计算
本质：集合划分，即包含第i个物品和不包含第i个物品的两个子集
Ⅰ不含i的子集：从1~i-1中选，总体积不超过j，即f[i-1][j]
Ⅱ含i的子集：从1~i中选，且都包含第i个物品，总体积不超过j
操作：先把所有选法里的第i个物品都去掉，但这不影响最大值的那种选法
变成：从1~i-1中选，加上第i物品后，总体积不超过j，即原来的选法是，去掉第i个物品后，总体积不超过j-v[i]，表示为f[i-1][j-v[i]]，为去掉第i个物品后的最大值，此时再加上w[i]，即为所求
01背包状态计算公式：f[i][j]=max（f[i-1][j]，f[i-1][j-v[i]]+w[i]）
条件：j>=v[i];若j<v[i]，则f[i][j]=f[i-1][j]
③01背包的优化解法
本质：去掉一维，变成f[j]
i从1~n，若从v[i]到M枚举j，则
思考：f[j]=max（f[j]，f[j-v[i]]+w[i]）等价于什么？
样例：N=4，V=5
（v，w）：（1，2），（2，4），（3，4），（4，5）
i=1，f[1]=w[1]，f[2]=f[1]+w[1]，f[3]=f[2]+w[1]，f[4]=f[3]+w[1]
结果：i=1，f[1]=2，f[2]=4，f[3]=6，f[4]=8，第一个物品选了多次
实际：i=1，f[1]=2，f[2]=2，f[3]=2，f[4]=2，第一个物品只选一次
f[i][j]=max（f[i][j]，f[i][j-v[i]]+w[i]）
处理方法：j的循环顺序从M到v[i]，即从大到小，就没有继承关系了
优化结果：空间复杂度降一维
④滚动数组
如果f[i]只用到了f[i-1]，可以开一个二维数组f[2][N]
可以由f[0]推得f[1]，再由f[1]推得f[0]，循环往复

三、完全背包问题

集合划分：按照第i个物品选多少个分为若干组，即第i个物品选0个、选1个、选2个、……、选k个。
曲线救国：1.去掉k个物品i
2.完全背包状态计算公式：f[i][j]=max（f[i][j]，f[i-1][j-kv[i]]+kw[i]）
这里的max里的f[i][j]代表不断更新f[i][j]，没有特殊含义
而01背包中的f[i-1][j]代表k取0时的状态
限制条件：kv[i]<=j
理解：f[i][j]=max{f[i-1][j-kv[i]]+kw[i]，k=0,1,2,3,……}
K取0和1时，即为01背包。
3.完全背包问题的优化
∵f[i][j]=max{f[i-1][j]，f[i-1][j-v[i]]+w[i]，f[i-1][j-2v[i]]+2w[i]，……}
f[i][j-v[i]]=max{f[i-1][j-v[i]]，f[i-1][j-2v[i]]+w[i]，f[i-1][j-3v[i]]+2w[i]，……}
∴f[i][j]=max{f[i-1][j]，f[i][j-v[i]]+w[i]}
限制条件：k*v[i]<=j，否则f[i][j]=f[i-1][j]
优化结果：时间复杂度降一维
若写成f[j]=max{f[j]，f[j-v[i]]+w[i]}
样例：N=4，V=5
（v，w）：（1，2），（2，4），（3，4），（4，5）
i=1，f[1]=2，f[2]=4，f[3]=6，f[4]=8
理解：要的就是当前层的状态，j从v[i]到M即可
优化结果：空间复杂度降一维

四、多重背包问题

状态表示f[i][j]：所有只从前i个物品中选，并且总体积不超过j的选法
属性：max
状态计算：按照第i个物品选多少个来划分集合，从选0个、1个、2个，……，一直到选s[i]个，s[i]为可以选择的第i个物品个数的上限
朴素版本：f[i][j]=max（f[i-1][j-kv[i]]+kw[i]），k=0,1,2,……,s[i]
完全背包都到f[i-1][j-kv[i]]结束，但是多重背包问题不同：
∵f[i][j]=max{f[i-1][j]，f[i-1][j-v[i]]+w[i]，f[i-1][j-2v[i]]+2w[i]，……，f[i-1][j-s[i]v[i]]+s[i]w[i]}
f[i][j-v[i]]=max{f[i-1][j-v[i]]，f[i-1][j-2v[i]]+w[i]，……，f[i-1][j-s[i]v[i]]+(s[i]-1)w[i]，f[i-1][j-(s[i]+1)v[i]]+s[i]w[i]}
∴即已知C=max{A,B}，C已知，B已知，如果C=B，则A不能求出
不能直接用完全背包的方式优化多重背包问题
优化方式：二进制优化
思考：假设s[i]=1023，真的需要从0枚举到1023吗？
可以把若干个第i个物品打包在一起，一块考虑
打包成10组，即1，2，4，8，……，512
从这10组中选物品，每个物品最多只能选一次
必定能从这10组中拼凑出0到1023的任意一个数，证明：
前1组，能凑0-1
前2组，能凑0-3
前3组，由于前2组能凑0-3，加上4之后，能凑4-7，共能凑0-7
前4组，由于前3组能凑0-7，加上8之后，能凑8-15，共能凑0-15
以此类推，前10组能凑0-1023
这是一种倍增的思想，即前k组能凑0-2^k-1
例：s[i]=200，怎么打包？
解：1，2，4，8，16，32，64，此时能凑0-127，于是再补73，即可。
证明：给出一个s[i]，分组为1，2，4，8，……，$2^k$，C，满足$2^{k+1}$>s[i]，$2^k$<s[i]，且C=s[i]-2^k+1
先不看C，能凑0~2^(k+1)-1
再考虑C，加上C能凑C-($2^{k+1}$-1+C），即C~s[i]
由于s[i]<$2^{k+1}$，故C<$2^{k+1}$-$2^k$+1=$2^{k+1}$<2^(k+1)-1
得一共能凑0~s[i]。
思路：将s[i]拆成logs[i]
由于这logs个物品每个物品最多选一次，就变成了01背包
变形为：有Nlogs个物品，每个物品最多选一次
先进行Nlogs次拆分，再用01背包循环NVlogs次计算
时间复杂度：NVlogs

五、分组背包问题

状态表示：f[i][j]
集合：只从前i组物品中选，且总体积不大于j的所有选法
属性：max
状态计算：枚举第i组物品选哪个或不选
集合划分：第i组物品都不选、从第i组物品中选第k个物品
第i组物品都不选：f[i][j]=f[i-1][j]
从第i组物品中选第k个物品：f[i][j]=f[i-1][j-v[i][k]]+w[i][k]
得优化版本f[j]=max（f[j]，f[j-v[i][k]]+w[i][k]）
按01背包解法，且k从0枚举到s[i]，限制条件j>=v[i][k]

六、总结

①01背包问题
理论推导公式：f[i][j]=max（f[i-1][j]，f[i-1][j-v[i]]+w[i]）
优化计算公式：f[j]=max（f[j]，f[j-v[i]]+w[i]），j从M到v[i]
②完全背包问题
理论推导公式：f[i][j]=max（f[i][j]，f[i-1][j-kv[i]]+kw[i]）
优化计算公式：f[j]=max（f[j]，f[j-v[i]]+w[i]），j从v[i]到M
③多重背包问题
分组1，2，4，8，……，$2^k$，C，满足$2^{k+1}$>s[i]，$2^k$<s[i]，且C=s[i]-2^k+1
先进行Nlogs次拆分，再用01背包循环NV次计算
④分组背包问题
理论推导公式：f[i][j]=max（f[i-1][j]，f[i-1][j-v[i][k]]+w[i][k]）
优化计算公式：f[j]=max（f[j]，f[j-v[i][k]]+w[i][k]），j从M到v[i][k]