【week2day1笔记】动态规划基础

动态规划是一种用空间换取时间的算法思路(这一点类似于记忆化搜索)，利用存储数据避免重复计算相同的子问题。与记忆化搜索不同的是，记忆化搜索常常以递归的形式表现，而动归往往应用了递推的思想。

动归与贪心一样，需要满足最优子结构与无后效性原则。

0-1背包
有 n 件物品和一个容量为 C 的背包。第 i 件物品的重量是 w[i]，价值是 v[i]。求解将哪些物品装入背包可使价值总和最大

DP数组: f [ i ] [ j ]
f [ i ] [ j ] 内存储的信息表示，前i个物品，应用了j大小的空间情况下，可以存储的最大价值
动态转移方程: f [ i ] [ j ] = max ( f [ i - 1 ] [ j ] , f [ i ] [ j - w [ i ] ] + v [ i ] )

优化(滚动数组):
f [ c ] = max ( f [ c ] , f [ c - w [ i ] ] + v [ i ] )
注意: 使用这一式子时递推时，容量的顺序应是从大到小，否则会造成一个物品被重复使用的情况
而相应的，将顺序改成从小到大，就可用于解决完全背包问题

多重背包
有 n 种物品和一个容量为 C 的背包。第 i 种物品的重量是 w[i]，价值是 v[i]， 数量为 a[i]。求解将哪些物品装入背包可使价值总和最大。

将物品数量按二进制拆分(如17=1+2+4+8+2)，进而转化为0-1背包问题求解

完全背包
有 n 种物品和一个容量为 C 的背包。第 i 种物品的重量是 w[i]，价值是 v[i]， 数量无限。
求解将哪些物品装入背包可使价值总和最大
实际上，该问题与0-1背包的区别仅在于放入一个物品时，可考虑现前已放入同类物品的情况，因此仅需要将0-1背包中的i - 1改为 i 即可用于求解完全背包
之前已经提到，0-1背包用滚动数组时，将递推顺序反向即可解决完全背包

在算法竞赛中，DP类题目的难度集中于开始编写前的分析: 读题，分析是否可用DP，DP数组开成几维，每一维表示什么，DP数组内存储的信息又表示什么，DP的动态转移方程是什么……
若能完成上述步骤，代码的编写量是相对很少的，但众多勇士往往就倒在了DP数组与动态转移方程前……这一点大概只能靠反复练习来培养算法分析能力

例题
POJ 1163

#include<cstdio>
#include<iostream>
#include<algorithm>
using namespace std;
int num[110][110];
int f[110][110];
int main()
{
	int n,m;
	scanf("%d",&n);
	for(int i=0;i<n;i++)
		for(int j=0;j<=i;j++)
			scanf("%d",&num[i][j]);
	for(int i=0;i<n;i++)f[n-1][i]=num[n-1][i];
	for(int i=n-2;i>=0;i--)
		for(int j=0;j<=i;j++)
			f[i][j]=max(f[i+1][j],f[i+1][j+1])+num[i][j];
	printf("%d\n",f[0][0]);
	return 0;
}

CodeForces 1110D

#include<cstdio>
#include<iostream>
#include<algorithm>
using namespace std;
int num[1000010]={0},n,m;
int f[1000010][3][3];
int main()
{
 int tmp;
 scanf("%d%d",&n,&m);
 for(int i=0;i<n;i++)
 {
  scanf("%d",&tmp);
  num[tmp]++;
 }
 for(int i=0;i<=m;i++)
  for(int j=0;j<=2;j++)
   for(int k=0;k<=2;k++)
    for(int t=0;t<=2;t++)
     if(j+k+t<=num[i+1]&&k+t<=num[i+2]&&t<=num[i+3])
      f[i+1][k][t]=max(f[i+1][k][t],f[i][j][k]+t+(num[i+1]-j-k-t)/3);
 printf("%d\n",f[m+1][0][0]);
 return 0;
}