文章目录
1 模型列举
1.1最大连续子序列和
详细内容
令dp[i]表示A[i]结尾的连续序列最大和(A[i]必须为连续序列的末尾)【不然就会产生多个相同的dp[i]】。
状态转移方程:
d
p
[
i
]
=
m
a
x
(
A
[
i
]
,
d
[
i
−
1
]
+
A
[
i
]
)
;
dp[i] = max (A[i], d[i -1] + A[i]);
dp[i]=max(A[i],d[i−1]+A[i]);
边界:
d
p
[
0
]
=
0
;
dp[0] = 0;
dp[0]=0;
1.2最长不下降子序列(LIS)
详细内容
令dp[i]表示最长不下降序列长度(必须以A[i]结尾)。
状态转移方程
d
p
[
i
]
=
m
a
x
j
∈
1
,
2
,
.
.
.
,
i
−
1
并
且
A
[
j
]
<
A
[
i
]
(
1
,
d
p
[
j
]
+
1
)
dp[i] = max_{ j \in 1,2,...,i -1 并且 A[j] < A[i]} {(1, dp[j] + 1)}
dp[i]=maxj∈1,2,...,i−1并且A[j]<A[i](1,dp[j]+1)
边界:
d
p
[
i
]
=
1
dp[i] = 1
dp[i]=1
1.3 最长公共子序列LCS
详细内容
令dp[i][j]表示字符串A的i号位和字符串B的j号位之前的LCS长度(下标从1开始)。
状态转移方程
d
p
[
i
]
[
j
]
=
{
d
p
[
i
−
1
]
[
j
−
1
]
,
A
[
i
]
=
B
[
i
]
m
a
x
{
d
p
[
i
−
1
]
[
j
]
,
d
p
[
i
]
[
j
−
1
]
}
,
A
[
i
]
!
=
B
[
i
]
dp[i][j]=\left\{ \begin{aligned} dp[i-1][j-1],A[i] = B[i] \\ max\{dp[i-1][j],dp[i][j-1]\},A[i] != B[i] \\ \end{aligned} \right.
dp[i][j]={dp[i−1][j−1],A[i]=B[i]max{dp[i−1][j],dp[i][j−1]},A[i]!=B[i]
边界:
d
p
[
i
]
[
0
]
=
d
p
[
0
]
[
j
]
=
0
(
0
<
=
i
<
=
n
,
0
<
=
j
<
=
m
)
dp[i][0] = dp[0][j] = 0(0<= i <= n, 0 <= j <=m)
dp[i][0]=dp[0][j]=0(0<=i<=n,0<=j<=m)
1.4 最长回文子串
详细内容
令dp[i][j]表示S[i]至S[j]所表示的子串是否是回文串,是则为1,不是为0。
状态转移方程
d
p
[
i
]
[
j
]
=
{
d
p
[
i
+
1
]
[
j
−
1
]
,
S
[
i
]
=
S
[
i
]
0
,
S
[
i
]
!
=
S
[
i
]
dp[i][j]=\left\{ \begin{aligned} dp[i+1][j-1],S[i] = S[i] \\ 0,S[i] != S[i] \\ \end{aligned} \right.
dp[i][j]={dp[i+1][j−1],S[i]=S[i]0,S[i]!=S[i]
边界:
d
p
[
i
]
[
i
]
=
0
,
d
p
[
i
]
[
i
+
1
]
=
(
S
[
i
]
=
=
S
[
i
+
1
]
)
?
1
:
0
dp[i][i] = 0, dp[i][i+1] = (S[i] == S[i+1])? 1 : 0
dp[i][i]=0,dp[i][i+1]=(S[i]==S[i+1])?1:0
1.5 数塔DP
详细内容
令dp[i][j]表示从第i行第j个数字出发的到达最低层的所有路径上所能得到的最大和。
状态转移方程
d
p
[
i
]
[
j
]
=
m
a
x
(
d
p
[
i
+
1
]
[
j
]
,
d
p
[
i
+
1
]
[
j
+
1
]
)
+
f
[
i
]
[
j
]
dp[i][j] = max(dp[i+1][j], dp[i + 1][j +1])+f[i][j]
dp[i][j]=max(dp[i+1][j],dp[i+1][j+1])+f[i][j]
边界(直接确定其结果):数组dp最后一层dp总是等于元素自身
1.6 DAG最长路
详细内容
令dp[i]表示从i号顶点出发的获得的最长路径长度。
状态转移方程
不固定终点/不固定终点:
d
p
[
i
]
=
m
a
x
{
d
p
[
j
]
+
l
e
n
g
h
t
[
i
⟶
j
]
|
(
i
,
j
∈
E
)
}
dp[i] = max\{dp[j] + lenght[i \longrightarrow j] |(i,j\in E)\}
dp[i]=max{dp[j]+lenght[i⟶j]|(i,j∈E)}
边界:
不固定终点:
从出度为0的顶点出发的最长路径长度为0(对整个数组dp初始化为0)
固定终点:
d
p
[
T
]
=
0
dp[T] = 0
dp[T]=0(T为终点,初始化dp数组作为一个负的大数)
1.8 0-1背包
详细内容
令dp[i][v]表示前i件物品( 1
≤
\leq
≤ i
≤
\leq
≤ n, 0
≤
\leq
≤ v
≤
\leq
≤ V)恰好装入容量为v的背包中所能获得的最大值。
状态转移方程
d
p
[
i
]
[
v
]
=
m
a
x
1
≤
i
≤
n
,
w
[
i
]
≤
v
≤
V
{
d
p
[
i
−
1
]
[
v
]
,
d
p
[
i
−
1
]
[
v
−
w
[
i
]
]
+
c
[
i
]
}
dp[i][v] = max_{ 1 \leq i \leq n,w[i] \leq v \leq V }{\{dp[i-1][v], dp[i-1][v - w[i]]+ c[i]\}}
dp[i][v]=max1≤i≤n,w[i]≤v≤V{dp[i−1][v],dp[i−1][v−w[i]]+c[i]}
边界:
d
p
[
0
]
[
v
]
=
0
(
0
≤
v
≤
V
)
dp[0][v]=0(0 \leq v \leq V)
dp[0][v]=0(0≤v≤V)
1.9 完全背包
详细内容
令dp[i][v]表示前i件物品( 1
≤
\leq
≤ i
≤
\leq
≤ n, 0
≤
\leq
≤ v
≤
\leq
≤ V)恰好装入容量为v的背包中所能获得的最大值。
状态转移方程:
d
p
[
i
]
[
v
]
=
m
a
x
1
≤
i
≤
n
,
w
[
i
]
≤
v
≤
V
{
d
p
[
i
−
1
]
[
v
]
,
d
p
[
i
]
[
v
−
w
[
i
]
]
+
c
[
i
]
}
dp[i][v] = max_{ 1 \leq i \leq n,w[i] \leq v \leq V }{\{dp[i-1][v], dp[i][v - w[i]]+ c[i]\}}
dp[i][v]=max1≤i≤n,w[i]≤v≤V{dp[i−1][v],dp[i][v−w[i]]+c[i]}
边界:
d
[
0
]
[
v
]
=
0
(
0
≤
v
≤
V
)
d[0][v] = 0 (0 \leq v \leq V)
d[0][v]=0(0≤v≤V)
2 总结
2.1 类型一
XXX:为原问题的描述
- 第一节1~4都是有关序列或字符串的问题(一般来说“子序列可以不连续、子串必须要连续”),
- (1)(2)的设计状态都是“令dp[i]表示以A[i]结尾的XXX”,
- 而 (3)(4)由于原问题本身就有二维性质,因此使用了“令dp[i][j]表示i号位和j号位之间XXX“的状态设计方式“
当题目与序列和字符串(记为A)有关时,可以考虑把状态设计为下面两种形式,然后根据端点特性考虑状态转移方程。
- 1 令dp[i]表示以A[i]结尾(或开头)的XXX;
- 2 令dp[i][j]表示i号位和j号位之间XXX。
2.2 类型二
(5)~(8),它们的状态设计都包括了某种“方向” 的意思,
如数塔DP设计为从(i,j)出发到达最底层的最大和
DAG设计为从i号顶点出发的最长路
背包问题设计为前i件物品恰好放容量为v的背包中能获得的最大价值。
当题目中的状态需要几维来表示,然后对其中的每一维采取下面的某一种描述:
- 1 恰好为i;
- 2 前i;
在每一维的含义设计完毕之后,dp数组的含义就可以设置为“令dp数组恰好为i(或前i),恰好为j(或前j)……的XXX”,然后就可以通过端点的特性来考虑状态转移方程。
大多数情况,可以把动态规划可解的问题看成一个有向无环图(DAG),图中的结点就是状态,边就是状态转移方向,求解问题的顺序就可以按照DAG的拓扑顺序进行求解。