2021-04-25

区间dp和背包dp初步认识

区间dp

区间dp个人理解是在一段区间上进行动态规划。以区间为关键来划分子问题（状态）。对于每段区间，把他们分成几段更小区间，将一个区间问题不断划分为更小的区间直至一个元素组成的区间，然后枚举他们的组合等 ，求最大区间的最优值。
例题一

题意:有N堆石子排成一排，每堆石子有一定的数量。现要将N堆石子并成为一堆。
合并的过程只能每次将相邻的两堆石子堆成一堆，每次合并花费的代价为这两堆石
子的和，经过N-1次合并后成为一堆。求出总的代价最小值。

memset(dp,0,sizeof(dp));
           int i,j,l,k;
           for(l = 2; l <= n; ++l)//枚举区间长度
           {
               for(i = 1; i <= n - l + 1; ++i)//枚举区间左端点
               {
                   j = i + l - 1;//根据左端点和区间长度求区间右端点
                   if(j > n)
                   break;
                   dp[i][j] = 0x3f3f3f3f;//最大值
                   for(k = i; k < j; ++k)
                   {
                       dp[i][j] = min(dp[i][j],dp[i][k] + dp[k + 1][j] + sum[j] - sum[i-1]);
                   }
               }
           }

思路:要求n个石子归并，我们根据dp的思想划分成子问题，先求出每两个合并的最小代价，然后每三个的最小代价，依次知道n个。
定义状态dp[i][j]为从第i个石子到第j个石子的合并最小代价。
并且 suma[i]到a[j]=suma[i]到a[k]+suma[k+1]到a[j]
把区间分的更小；
那么dp[i][j] = min(dp[i][k] + dp[k+1][j])
那么我们就可以从小到大依次枚举让石子合并，直到所有的石子都合并。

例题二

:给出一串的只有‘（’ ‘）’ '[‘ ']'四种括号组成的字符串，
给定初始序列([[([])])，最长的规则括号子序列是[([])]。

 memset(dp,0,sizeof(dp));
            int n = s.size();
            for(int len = 2;len <= n;len++)//枚举区间长度
            {
                for(int i = 0;i <= n - len; i++)//枚举区间左端点
                {
                    int j = i + len - 1;//确定区间右端点
                    if(j > n)
                    break;
                 if(s[i]=='('&&s[j]==')' || s[i]=='['&&s[j]==']')
                      dp[i][j]=dp[i+1][j-1]+2;
                 for(int k=i;k<j;k++)
                     dp[i][j]=max(dp[i][j],dp[i][k]+dp[k+1][j]);
                        //枚举中间位置,注意j不取等号
                }
            }

思路：定义dp [ i ] [ j ] 为串中第 i 个到第 j 个括号的最大匹配数目，
然后分两种情况
1.如果第 i 个和第 j 个匹配,则dp [ i ] [ j ] = dp [ i+1 ] [ j-1 ] + 2 ;
2.如果第 i 个和第 j 个不匹配，枚举中间分割点k(i <= k < j)
dp[ i ] [ j ] = max ( dp [ i ] [ j ] , dp [ i ] [ k ] + dp [ k+1 ] [ j ] )

背包问题

背包问题(Knapsack problem)是一个动态规划问题，假设有n种货物，每种货物的的价值是v[i],重量是w[i],需要在背包负载有限的前提下求出具有最大货值的组合（策略），使用暴力枚举也可以求出背包问题最优解，而利用动态规划可以将算法的复杂度降低。
背包问题根据每种货物的数量限制可分为以下几种：
0-1背包问题：每种货物数量1件，选择每种货物的策略是取(1)还是不取(0)。
完全背包问题：每种货物数量有无限个，最终的策略是每种货物取多少件。
多重背包问题：每种货物的数量为有限个，但各种货物数量不一样，比如第i种货物的数量为a[i]件。
（百度得来的背包问题的分类）目前学习了01背包问题
01背包问题
例题一

假设有n种货物，每种货物的的价值是v[i],重量是w[i],背包总容量w；
当货物不可分割时，求最多可装的货物

for(int i = 0; i < n; i++)
{
    for(int j = 0; j <= W; j++)
    {
        if(j < w[i])
        {
            dp[i+1][j] = dp[i][j];
        }
        else
        {
            dp[i+1][j] =max{dp[i][j], dp[i][j-w[i]]+v[i]};
        }
    }
}

思路：f[i][j]在只有i个物品，背包容量为j的情况下,问题的最大价值
f[i][j]=f[i-1][j] j<w[i]
f(i,j)=max{f[i-1][j] ,f[i-1][j-w[i]]+v[i]) j>w[i]
如果第i个物品的重量大于背包的容量，则物品i不能装入背包。此时，装入前i个物品得到的最大价值（最优解）和装入前i-1个物品得到的最大价值是相同的；
如果第i个物品的重量小于背包的容量，则会有两种情况：
(a)如果把第i个物品装入背包，则背包物品的总价值等于第i-1个物品装入容量为j-w[i] 的背包中的价值加上第i个物品的价值v[i];
(b)如果第i个物品没有装入背包，则背包中物品总价值就等于把前i-1个物品装入容量为j的背包中所取得的价值。
取二者中价值最大的作为 前i个物品装入容量为j的背包中的最优；
注意：
f[i][0]:0容量时，所有物品都不取，最大价值为0；
f[0][j]:没有物品可取，最大价值；

小结

个人感觉 区间dp比线性dp难点 就算明明知道是按照区间划分的 可就是不容易找出来状态转移方程；
背包问题01类 比较简单明了 只要明白题目中 谁是背包 谁是货物 ，怎样装货，就可以直接套类似于
f[i][j]=f[i-1][j] j<w[i]
f(i,j)=max{f[i-1][j] ,f[i-1][j-w[i]]+v[i]) j>w[i]
当然 具体问题有特别的要求 但是整体上是上述方程的变形