单调队列优化

最新推荐文章于 2024-08-09 11:37:24 发布

silver__zy

最新推荐文章于 2024-08-09 11:37:24 发布

阅读量620

点赞数

文章标签：优化单调队列算法

本文链接：https://blog.csdn.net/q394622124/article/details/78834734

版权

单调队列优化

算法简析

单调队列是一种严格单调的队列，可以单调递增，也可以单调递减。队首位置保存的是最优解，第二个位置保存的是次优解。

单调队列可以有两个操作：
1、插入一个新的元素，该元素从队尾开始向队首进行搜索，找到合适的位置插入之，如果该位置原本有元素，则替换它。
2、在过程中从队首删除不符合当前要求的元素。
单调队列实现起来可简单，可复杂。简单的一个数组，一个head，一个tail指针就搞定。复杂的用双向链表实现。

算法使用场景

1、保存最优解，次优解，ect。

2、利用单调队列对dp方程进行优化，可将O(n)复杂度降至O(1)。也就是说，将原本会超时的N维dp降优化至N-1维，以求通过。这也是我想记录的重点

是不是任何DP都可以利用单调队列进行优化呢？答案是否定的。

记住！只有形如

dp[i]=(max/min)(f[k])+g[i]  (k<i && g[i]是与k无关的变量）

才能用到单调队列进行优化。
优化的对象就是f[k]。

经典单调队列优化

题目

输入一个长度为n的整数序列，其中有正有负，数组中一个或连续的多个整数组成一个子数组，求所有子数组的和的最大值，要求时间复杂度为O(n)。

思路

转移方程：dp[i]=max(dp[i-1]+Data[i],Data[i]);
举例：
输入：{1，-2，3，10，-4，7，2，-5}
最大子数组为:{3,10,-4,7,2}=18；

步骤	操作	累加的子数组和	最大的子数组和
1	加1	1	1
2	加-2	-1	1
3	抛弃前面的和-1，加3	3	3
4	加10	13	13
5	加-4	9	13
6	加7	16	16
7	加2	18	18
8	加-5	13	18

示例代码

int FindGreatestSumOfSubArray(int *pData, int nLength)
{
    if((pData == NULL) || (nLength <= 0))
    {
        g_InvalidInput = true;
        return 0;
    }

    g_InvalidInput = false;

    int nCurSum = 0;
    int nGreatestSum = 0x80000000;//负无穷
    for(int i = 0; i < nLength; ++i)
    {
        if(nCurSum <= 0)
            nCurSum = pData[i];
        else
            nCurSum += pData[i];

        if(nCurSum > nGreatestSum)
            nGreatestSum = nCurSum;
    }
    return nGreatestSum; 
}

总结

就是这样一种方式使得我们原本需要O(n^2^)直接降低成为了线性O(n)。

优化多重背包

多重背包一般解法

将物品的数量拆成0、1、2、4……等二的指数，分别计算其价值，当做单独的物品。因为用这些数可以组合出各种<=m(m为此种物品的数量)的数，也就可以用普通的01背包

状态转移方程

dp[i][j] = max{f[i - 1][j - k * we[i]] + k * va[i]} {0 <= k <= m[i]}

时间复杂度为Ο(nwlog(m))(n为物品种数，w为背包大小，m为此物品数量)，是一种比较高效的方法。

==优化之后==

时间复杂度为Ο(n*w)，只是常数可能会稍大。字母含义与上方相同

根据上面的式子，每个j值对应的k有m[i] + 1个里面去找最大的那个，就相当于在一个区间里面找一个最大值，可以考虑用单调队列来做这个事情，每次维护队列是单调递减的，每次取出来队列头作为转移，每次加入的时候，把前面的比它小的就出队，然后超过m[i]+1的也出队。
根据上面的式子，发现对于j这个维数来说，如果两个体积值对于we[i]取余的值不一样，是不可能转移的。这样的话直接按照mod的这个值来做转移，因为mod的值是在[0,we[i]-1]，后面再枚举k的值。
假设mod = j % we[i]，a = j / we[i]，那么j = a * we[i] + mod，可得:

dp[i][j] = max{dp[i - 1][mod + (a - k) we[i]] + k va[i]}    {0 <= k <= m[i]}

化简一下，把a - k 用k来替换就可以得到:

dp[i][j] = max{dp[i - 1][mod + k we[i]] - k va[i]} + a * va[i]   {a - m[i] <= k <= a}

这样扫描的时候就是，第一重循环是枚举i为N(物品种数)，第二重循环是枚举的mod从0到we[i]-1,然后第三重循环是枚举的余数为mod的情况下的k值，k值是从0到mod + k * we[i] <= V的对于每一个k对应一个这么大小的背包，然后找以这个为单调队列末尾的那个队列头的值，完成转移方程。