动态规划

动态规划

又名Dynamic programming 高大上的一个词。
2020.2.25 这里记录一下

背包DP

0-1背包

今天学会 也没有学会 其实就是大概摸懂了一点点而已。
这里加深一下印象
对于0-1背包问题
$dp[i][v]$ 表示前 i 件物品 恰好装入容量为j的背包中所能获得的最大价值 怎么求解$dp[i][v]$ 呢
考虑对i-1件物品的选择

1. 不放第i件物品，那物品转化为前$i-1$件物品恰好装入容量为$j$的背包中所获得的最大价值 即 $dp[i-1][j]$
2. 放第i件物品，那么问题转化为前i-1件物品恰好装入容量为$j-w[i]$的背包中所能获得的最大价值，也即 $dp[i-1][j-w[i]]+v[i]$

举个例子吧 现在背包容量为6 有四件物品 重量和价值分别为（1,4）(2,6) (3,12) (2,7) 求最大价值
画个表应该好懂一些

状态转移方程
d p [ i ] [ j ] = m a x {   d p [ i − 1 ] [ j ] ,   d p [ i − 1 ] [ j − w e i g h t [ i ] ] + v a l u e [ i ] } dp[i][j]=max\left\{\, dp[i-1][j],\,dp[i-1][j-weight[i]]+value[i] \right\} dp[i][j]=max{dp[i−1][j],dp[i−1][j−weight[i]]+value[i]}

我们用代码实现一下

#include<cstdio>
using namespace std;
const int maxN=1000;
int weight[maxN],value[maxN],dp[maxN][maxN];//weight数组表示物品的重量，value数组表示物品的价值。
//dp数组表示前i件物品恰好装入容量j的时候的最大价值
int n,V;//表示物品的数量，V表示背包最大容量
int main(){
    scanf("%d%d",&n,&V);
    for(int i=1;i<=n;i++) scanf("%d%d",&weight[i],&value[i]);
    for(int i=1;i<=n;i++){
        for(int j=1;v<=V;v++){
        //如果背包容量够装第i件物品 那分两种情况 
        //如果装第i件物品 那么就是求前i-1件物品放入容量为 j-w[i]背包中的最大价值
        //如果不装第i件物品 ，那就是求前i-1件物品放入容量为j的背包中的最大价值
            if(j>=weight[i]) 
            dp[i][j]=max(dp[i-1][j],dp[i][j-weight[i]]+value[i]);
            //如果背包容量小于当前物品重量 最大价值和之前一样 因为装不下第i件物品
            else 
            dp[i][j]=dp[i-1][j]
            
        }
    }
    cout<<dp[V];
    return 0;
}

滚动数组优化 二维变一维，特别注意要逆序

#include<iostream>
#include<algorithm>
#include<cstdio>
using namespace std;
const int maxN=1000;
int weight[maxN],value[maxN];
int n,V;
int main(){
    int dp[maxN]={0};
    scanf("%d%d",&n,&V);
    for(int i=1;i<=n;i++) scanf("%d%d",&weight[i],&value[i]);
    for(int i=1;i<=n;i++){
        for(int v=V;v>=weight[i];v--){
            dp[v]=max(dp[v],dp[v-weight[i]]+value[i]);
        }
    }
    cout<<dp[V];
    return 0;
}

完全背包

完全背包模型与 0-1 背包类似，与 0-1 背包的区别仅在于一个物品可以选取无限次，而非仅能选取一次。
如果将0-1背包的例子改一下数据不变，只是每个物品都是无限的，再来填一下表

注意画圈的值
完全背包和0-1背包的差别就是在这。当对于第i件物品时，不选第i件物品时和0-1背包是一样的，当选第i件物品时
就拿14举个例子吧 14所在是$d[3][4]$ 表示前3件物品 恰好装入容量为4的背包中所获得的最大价值 那么计算$d[3][4]$的时候 如果不装第i件物品 很显然是$d[2][4]$
如果装第i件物品时 是$d[2][2]+7$ 吗？ 很显然不是 应该是$d[3][2]+7$
$d[3][2]$表示的是前3件物品恰好装入容量为2的背包中所获得的最大价值
因为当放第三件物品时 之前也可以放第三件物品 是可以重复放的
而如果表示成$d[2][2]$ 则表示前2两件物品装入容量为2的背包中所获得的最大价值，就排除了第三件物品，实际上放第3件物品之前 只要容量够 之前就可以放3号物品 比如$d[3][2]=7$

洛谷 P1616 疯狂的采药

区间DP

最大连续子序列和

给定一个序列 $a1,a2,a3,a4,a5,a6......an$ 求$i,j$ $(1\le i\le j\le n)$
使得$ai+......+aj$最大，输出这个最大和
通过设置一个数组dp , $dp[i]$ 表示已 $a[i]$结尾的连续序列的最大和
那么就肯有两种情况

1. 这个最大连续和的连续序列只有一个元素，就是以$a[i]$开始，以$a[i]$ 结尾
2. 这个最大连续和的连续序列有多个元素，以$a[p]$开始，到$a[i]$结束
   状态转移方程
   d p [ i ] = m a x { a [ i ] , d p [ i − 1 ] + a [ i ] } dp[i]=max\left\{ a[i],dp[i-1]+a[i]\right\} dp[i]=max{a[i],dp[i−1]+a[i]}

最长不下降子序列（Longest Increasing Sequence)

在一个数字序列中，找到一个最长的子序列（可以不连续）使得这个子序列是不下降的。

最长公共子序列