状态机
状态机可以把一系列有序事件中存在的状态描述清楚。例如在游戏过程中,玩家控制的角色有有站立、跑步、攻击3种状态,那么用一个状态机描述的话,如下图所示:
对于一般的DP问题来说,确定每个阶段的状态往往只有一个结果,例如背包问题:对于第
i
i
i个物品只有选择和不选两种结果,求其中的最优解即可。但如果每个阶段的状态涉及到了一系列的决策过程,例如买卖股票,在某一阶段从买入到卖出中间需要做若干次交易,才算是一个完整的决策过程,此时用一个简单的状态不好表示。那么可以将这个决策过程分成买入和卖出两个部分,用一个状态机来表示,如下图所示:
这样的话,在某一阶段进行决策时,两个状态之间就可以进行转移,从而进行正确的决策。状态机描述的是一个决策过程,而不是一个决策结果,本质上是将一个点扩展成一个过程,和状态压缩一样,是一种另类的状态表示方式。
问题应用
阿福是一名经验丰富的大盗。趁着月黑风高,阿福打算今晚洗劫一条街上的店铺。这条街上一共有 N 家店铺,每家店中都有一些现金。阿福事先调查得知,只有当他同时洗劫了两家相邻的店铺时,街上的报警系统才会启动,然后警察就会蜂拥而至。
作为一向谨慎作案的大盗,阿福不愿意冒着被警察追捕的风险行窃。他想知道,在不惊动警察的情况下,他今晚最多可以得到多少现金?
输入格式
输入的第一行是一个整数 T,表示一共有 T 组数据。
接下来的每组数据,第一行是一个整数 N ,表示一共有 N 家店铺。
第二行是 N 个被空格分开的正整数,表示每一家店铺中的现金数量。
每家店铺中的现金数量均不超过1000。
输出格式
对于每组数据,输出一行。
该行包含一个整数,表示阿福在不惊动警察的情况下可以得到的现金数量。
数据范围
1 ≤ T ≤ 50 1≤T≤50 1≤T≤50,
1 ≤ N ≤ 1 0 5 1≤N≤10^5 1≤N≤105
输入样例
2
3
1 8 2
4
10 7 6 14
输出样例
8
24
样例解释
对于第一组样例,阿福选择第2家店铺行窃,获得的现金数量为8。
对于第二组样例,阿福选择第1和4家店铺行窃,获得的现金数量为10+14=24。
算法思想(DP状态机模型)
状态表示
对于每个阶段的状态分为两类:
f[i][0]
表示在没有抢劫第i
家店的情况下,抢劫前i
家店的最大收益f[i][1]
表示抢劫了第i
家店的情况下,抢劫前i
家店的最大收益
状态计算
f[i][0] = max(f[i - 1][0], f[i - 1][1])
f[i][1] = f[i - 1][0] + w[i]
初始状态
f[1][0] = 0, f[1][1] = w[1];
时间复杂度
O ( n ) O(n) O(n)
代码实现
#include <iostream>
using namespace std;
const int N = 100010;
int f[N][2], w[N];
int main()
{
int T;
cin >> T;
while(T --)
{
int n;
cin >> n;
for(int i = 1; i <= n; i ++) cin >> w[i];
//初始状态
f[1][0] = 0, f[1][1] = w[1];
for(int i = 2; i <= n; i ++)
{
f[i][0] = max(f[i - 1][1], f[i - 1][0]);
f[i][1] = f[i - 1][0] + w[i];
}
//输出结果
cout << max(f[n][0], f[n][1]) << endl;
}
}