论状态压缩dp

1前言

本文将介绍状压dp，前置知识少，会二进制和dp就行
保证从零开始
本文将会从hamilton路径问题引入，约等于题解

2问题

给定一张 n 个点的带权无向图，点从 0∼n−1 标号，求起点 0 到终点 n−1 的最短 Hamilton 路径。
Hamilton 路径的定义是从 0 到 n−1 不重不漏地经过每个点恰好一次。
第一眼看成了最短路，但是要经过每个点，难办
但是，数据范围n<=18，这么小！但是怎么做，好像暴搜会TLE
可以考虑dp一下，但是状态怎么设置

3动态规划

我们可以考虑整一个dp[i]
为当前在i点
但是可以发现，当前在i点时，经过的点不一样，所以还要标记经过的点，是要到二维的
这怎么办啊，难道要用结构体开个bool数组？

4状态压缩优化

bool数组，只有01，那不就可以开个int来存一个二进制数了吗
我们把dp[i][j]表示目前到i点
j分解为二进制后，假设为101011
那么第0,1,3,5个点被经过了
状态表示完了，转移方程就好说
dp[s1][i] = max(dp[s1][i],dp[s2][j]+dist[s2][s1])
就是少一个1的状态加上路径长度
附代码，代码中的i，j反过来，是大家习惯的写法

5树状数组再优化

看代码，枚举i，j有点浪费时间，可以用树状数组优化，预处理然后lowbit直接用
但是这是大可不必的
你都状压了，还要什么时间复杂度？
而且思路与本题无关，不在详细阐述

6后记

学状压dp的时候，人们总是把它当做一种很新的dp
但是我发现洛谷中，状压dp的标签在dp优化里
我继续研究，发现真的是优化
本文例题讲的是状态压缩图上dp，因为易于理解
其实像是线性，区间，树形dp都可以优化的
所谓状态压缩，就是把原来需要单开一维的状态用二进制优化
适于解决的问题，数据极小不会大于20，而且要求不重复不遗漏
这些直接都给出，是不好理解的
所以我先给出了不优化做法
本文作者是蒟蒻，如有错误请各位神犇指正