【原创】状态压缩动态规划入门（状压dp）

状态压缩动态规划简称状压dp，是一种通过二进制+dp的方法来解决问题的算法，一般来说这类算法适用于有n个任务，将n个任务全部完成需要的最小时间等（也可以用于棋盘问题等），此时我们需要构造$2^n$种状态来，考虑各个状态再得出答案。
状态压缩动态规划其实算是一种相对暴力的算法，其时间代价往往是指数级别的（速度还是比普通暴力法快很多），掌握状态压缩动态规划首先需要掌握位运算，这是状态压缩动态规划的基础。

位运算：
1.& ：参加运算的两个数据，按二进制位进行“与”运算。
运算规则： 0&0=0； 0&1=0； 1&0=0； 1&1=1

2.| ：参加运算的两个对象，按二进制位进行“或”运算。
运算规则： 0|0=0； 0|1=1； 1|0=1； 1|1=1

3.^ ：参加运算的两个数据，按二进制位进行“异或”运算。
运算规则： 0^0=0； 0^1=1； 1^0=1； 1^1=0

4.~ ：参加运算的一个数据，按二进制进行“取反”运算。
运算规则： ~1=0 ；~0=1

5.<< ：定义：将一个运算对象的各二进制位全部左移若干位（左边的二进制位丢弃，右边补0）。
设 a=1010 1110，a = a<< 2 将a的二进制位左移2位、右补0，即得a=1011 1000。（最高位不为1时，每左移一位相当于乘以2）

6 >> ：定义：将一个数的各二进制位全部右移若干位，正数左补0，负数左补1，右边丢弃。
例如：a=a>>2 将a的二进制位右移2位，左补0 或者 左补1得看被移数是正还是负。

算法步骤：
状态压缩动态规划算法基本可以分为三步：（以c++为例）
1.计算共有多少任务，建立数组；

vector<vector<int>> dp(n,vector<int>(1<<num_of_mission));

2.遍历所有情况，进行位运算来表达所有的情况；
3.建立动态规划方程。

例题
我们得到了一副藏宝图，藏宝图显示，在一个迷宫中存在着未被世人发现的宝藏。

迷宫是一个二维矩阵，用一个字符串数组表示。它标识了唯一的入口（用 ‘S’ 表示），和唯一的宝藏地点（用 ‘T’ 表示）。但是，宝藏被一些隐蔽的机关保护了起来。在地图上有若干个机关点（用 ‘M’ 表示），只有所有机关均被触发，才可以拿到宝藏。

要保持机关的触发，需要把一个重石放在上面。迷宫中有若干个石堆（用 ‘O’ 表示），每个石堆都有无限个足够触发机关的重石。但是由于石头太重，我们一次只能搬一个石头到指定地点。

迷宫中同样有一些墙壁（用 ‘#’ 表示），我们不能走入墙壁。剩余的都是可随意通行的点（用 ‘.’ 表示）。石堆、机关、起点和终点（无论是否能拿到宝藏）也是可以通行的。

我们每步可以选择向上/向下/向左/向右移动一格，并且不能移出迷宫。搬起石头和放下石头不算步数。那么，从起点开始，我们最少需要多少步才能最后拿到宝藏呢？如果无法拿到宝藏，返回 -1 。

示例 1：
输入： [“S#O”, “M…”, “M.T”]

输出：16

解释：最优路线为： S->O, cost = 4, 去搬石头 O->第二行的M, cost = 3, M机关触发 第二行的M->O, cost = 3, 我们需要继续回去 O 搬石头。 O->第三行的M, cost = 4, 此时所有机关均触发 第三行的M->T, cost = 2，去T点拿宝藏。 总步数为16。

示例 2：

输入： [“S#O”, “M.#”, “M.T”]

输出：-1

解释：我们无法搬到石头触发机关

示例 3：

输入： [“S#O”, “M.T”, “M…”]

输出：17

解释：注意终点也是可以通行的。

限制：

1 <= maze.length <= 100
1 <= maze[i].length <= 100
maze[i].length == maze[j].length
S 和 T 有且只有一个
0 <= M的数量 <= 16
0 <= O的数量 <= 40，题目保证当迷宫中存在 M 时，一定存在至少一个 O 。

题解：
一个人在迷宫中，要从起点 SS 走到终点 TT。迷宫有两类特殊点，分别是：

MM：机关点，需要用石头触发
OO：石头点，一次可以搬一块石头
只有当所有 MM 点均被触发以后，终点才可到达，问起点走到终点的最小代价。

实际上，我们的走法只有四种：
1.从 S走到O
2.从O走到M
3.从M走到O
4.从M走到T

首先我们先要算出从S走到O再走到M所需的最短距离，在计算出从M走到最近的O再走到下一个M的最短距离，将其储存后再进行dp。（即先处理数据，得到最短路径）
我们使用nj（机关的数量）来建立状态压缩dp方程，我们定义$f(mask,i)$表示当前在第 i 个 M 处，触发状态为 mask 的最小步数，如果当前 mask 代表的已触发集合为 T，未触发集合为 U - T，则我们可以推出这样的动态规划转移方程：

其中 $maskxor{2}^i$ 表示把 $M_i$ 已触发的集合当中去掉，即 mask 这个状态可以由 $maskxor{2}^i$ 状态转移得到，转移时我们除了关注触发状态 mask 的变化，我们还关注是从哪一个 M 转移到了 M i M_i M