ACM学习：线性DP

LZC.yz

已于 2022-06-06 01:06:42 修改

阅读量132

点赞数

分类专栏： ACM学习文章标签：学习动态规划贪心算法

于 2022-06-05 23:30:48 首次发布

本文链接：https://blog.csdn.net/qq_62906846/article/details/125137966

版权

ACM学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本周学习了动态规划中的线性dp。大致理解了一些动态规划的思想与做题方法。

动态规划，即分阶段求最优解，每个最优解都有状态，且总体一定可以求得最优解。它与贪心有些相似，但最大的区分点在于，动态规划的核心——状态转移方程。状态转移方程，我更觉得它偏向一种数学方程，主要是对因数学参数的变化规律而确定下一阶段的的整体情况。不过对于我个人而言，自己单独从题目中总结状态转移方程还是有一些难度的。不过现在在一些积累后，能大致理解题解所给出的状态转移方程。

动态规划的解题思路也有规律：首先要判断该问题是否有最优解，若无最优解，则不能使用动态规划。若确定使用动态规划后，开始判断如何划分阶段，再根据阶段总结出各阶段的状态转移方程，同时根据题目要求要注意边界条件，然后逐步求解即可。

接下来，我就简单的以几道动态规划例题叙述一下我学到的东西：

最小正子段和：

题意：一个序列中选出一个子序列，且这个子序列的和大于0，且该子序列的和最小；

分析：首先，我们肯定这道题是有最优解的答案的，所以我们可以使用dp的方法解决，之后我们开始思考预处理与划分阶段，因为要得到最小和的子序列，因此一定要判断值的大小正负然后再进行累加，所以我们要进行排序，排序时，为了保证我们累加的数是可以构成序列的，所以我们要建造一个结构体以储存其原本的位置，这样，我们利用sort排序后即可开始利用大小累加比较和。而状态转移方程，很明显就是要在每一次的ans上做文章，根据我们每次能够连接的两个数的和的大小与原本作比较，选取最小值替代即可。

代码：

#include <bits/stdc++.h>  
using namespace std;  
const int MAX = OX7ffff;  
typedef long long ll;  
struct node  
{  
    ll val;  
    int pos;  
    node()  
    {  
        val = 0;  
        pos = 0;  
    }  
}a[MAX];  
int cmp(const node &a,const node &b)  
{  
    if(a.val == b.val)  
        return a.pos > b.pos;  
    return a.val < b.val;  
}  
int main()  
{  
    int n;  
    ll x;  
    a[0].val = a[0].pos = 0;  
    cin>>n;
    for(int i = 1; i <= n; i++)  
    {  
        cin>>x;
        a[i].val = a[i-1].val + x;  
        a[i].pos = i;  
    }  
    sort(a, a+1+n, cmp);  
    ll ans = OX7ff;  
    for(int i = 1; i <= n; i++)  
    {  
        if(a[i].val > a[i-1].val && a[i].pos > a[i-1].pos)  
            ans = min(ans, a[i].val - a[i-1].val);  
    }  
    cout<<ans<<endl;;  
    return 0;  
}

这个是我第一个尝试的代码，思路和想法与原先题解很相似，但理解很透彻就搬上来了。

魔族密码：

题意：给定一个字符串，然后挑选挑选其中单词数最多的词链选出单词数

分析：只看题的话刚开始确实有点懵，不过看了案例后会好很多，其实就是，依次给出一系列字符串，如果后面的字符是由前面的字符增加字母新生成的，则可以连接，而且注意，这个词链可以跳跃，即只要下一个的下标大于前一个的下标即可。这个阶段很好明白，每个字符串得长度即是一个阶段，而状态也能够分析得到，看是否后面得到的与前面得到的用max取即可。

代码：

#include<bits/stdc++.h>
using namespace std;
int n, f[2001], ans;
string s[2001];
int main()
{
	cin>>n;
	for (int i=1; i<=n; i++)
		cin >>s[i];
	
	for (int i=1; i<=n; i++)
	{
		f[i] = 1;
		for (int j=1; j<i; j++)
			if (s[j]==s[i].substr(0,s[j].size())) 
				f[i] = max(f[j]+1, f[i]);
		ans = max(f[i], ans);
	}
	cout<<ans<<endl;
	return 0;
}

这个代码用到了我当初总结过的一个string 里的函数，substr()(即字符串截取函数)，用这个截取是最方便的。（也算是当初总结心得的便利），这样依次比较之后直接就可以得最大数。这里i和j的位置也是很重要的一个点，怎样用后面直接得到前面的。其实整体思路很简单，且状态转移方程很朴素易懂。（也是我尝试A题的原因）是一个很好提升理解的题目。

小A点菜：

题意：有N元,M个菜，每个菜有各自的价格，要求花完钱，并且，问有几种方法。

分析：实际是一个背包问题，问背与不背，但要求是保证钱花完，所以我们要保证，在选择第i个菜品时，它的价格与前面的和相加为N，所以这样就能够将第i个菜的选择状态与前面的已选择状态联系起来，得到f[j]+=f[j-a[i]]这个状态转移方程，当然，如果不选，也是方案的一种，所以也要考虑到，即f[i][j]+=f[i-1][j];然后精简流程即可。

这道题有一定难度，我大概看懂了几个DP题解，他们虽然具体过程不同，但状态方程的选择却出奇一致，这也表明，动态规划的核心就是状态转移方程，而且背包问题的实质也是动态规划的一种。根据之前的经验，或许以后我可以尝试把搜索，并查集等知识与dp联系起来。