【c++提高1】优化DP专题：状压DP & 倍增优化DP & 环形DP的单调队列优化DP

优化DP专题

这是c++提高的第一讲

大纲

1.状压DP概念
2.例题
3.倍增 & RMQ
4.倍增优化DP
5.环形DP
6.环形DP的单调队列优化

1.状压DP概念

动态规划是解决“多阶段决策最优化问题”的一种算法思想。阶段的划分决定了状态的定义，状态定义的一个重要特性就是要确保**“无后效性”。**
很多DP问题在定义状态的时候，为了确保无后效性，需要在状态中加入多个维度，如果每个维度都用一维数组来表示的话，当维度较多时会导致占用的空间太大。
很多时候状态的维度虽然很多，但是决策非常少，特别的很多时候只有两种决策。例如背包问题中每个物品只有0和1两种决策。对于这种情况，没有必要为每个维度都分配一维空间，而是用一个二进制数来存储所有维度，每个二进制位记录一个维度的决策。这种使用二进制对状态进行压缩的DP，称为状态压缩DP。

2.例题

POJ 2411

思路：

按照行进行阶段划分，对于每一行中的每个格子做决策，某一行的任何一个格子，如果其是一个
竖着的1 * 2长方形的上半部分，那么它会对下一行的决策产生影响，否则其对下一行没有影响。
分别用1和0来表示格子的两种状态，1表示格子是1 * 2长方形的上半部分，0表示其他情况。
可以用一个M位的二进制数来表示每一行的某一行的格子状态。定义状态d(i, j)表示第i行的状态为j时前i行的分隔方案的总数，j是用十进制记录的M位二进制数。

第i-1行的形态k能转移到第i行的形态j，当且仅当：
k和j执行与位运算(&)的结果是0（两行的同一列不能同为1（都是12长方形的上半部分））。
k和j执行或位运算（|）的结果中，连续0的数量都是偶数个（代表横着的12的方块）。
为了提升性能，可以预处理出[0, 2^M - 1]中所有满足连续0的数量都是偶数的整数集合S。
状态转移方程：d(i, j) = sum(d(i-1, k)); j & k == 0 && j | k ∈ S
初始化：d(i, j) = 0， d(0, 0) = 1；最终答案为：d(N, 0);
时间复杂度：O(N * 2^M * 2^M) = O(N * 4^M);
代码：

#include <bits/stdc++.h>

using namespace std ;

const int N = 12 ;
long long n , m , dp[N][1 << N] ;
bool ok[1 << N] ;

int main ()
{
   


	while (cin >> n >> m && n)
	{
   
		memset (ok , 0 , sizeof (ok)) ;
		for (int i = 0; i < (1 << m); i++)
		{
   
			bool now = true , odd = true ;
			for (int j = 0; j < m; j++)
			{
   
				if (i & (1 << j)) odd &= now , now = true ;
				else now = ! now ;
			}
			ok[i] = odd & now ;
		}
		memset (dp , 0 , sizeof (dp)) ;
		dp[0][0] = 1 ;
		for (int i = 1; i <= n; i++)
		{
   
			for (int j = 0; j < (1 << m); j++)