ACM DP训练专辑

Pku acm 1163 the Triangle  动态规划题目总结(一)

题目：http://acm.pku.edu.cn/JudgeOnline/problem?id=1163

对于一个有数字组成的二叉树，求由叶子到根的一条路径，使数字和最大，如：

7

3     8

8   1   0

2   7   4   4

4   5   2   6   5

这个是经典的动态规划，也是最最基础、最最简单的动态规划，典型的多段图。思路就是建立一个数组，由下向上动态规划，保存页子节点到当前节点的最大值，Java核心代码如下：

for(int i=num-2;i>=0;i--){

for(int j=0;j<=i;j++){

//该句是整个动态规划的核心

number[i][j]=Math.max(number[i+1][j],number[i+1][j+1])+number[i][j];

}

}

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

Pku acm 1579 Function Run Fun  动态规划题目总结(二)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1579

Consider a three-parameter recursive function w(a, b, c):
if a <= 0 or b <= 0 or c <= 0, then w(a, b, c) returns: 1
if a > 20 or b > 20 or c > 20, then w(a, b, c) returns: w(20, 20, 20)
if a < b and b < c, then w(a, b, c) returns: w(a, b, c-1) + w(a, b-1, c-1) - w(a, b-1, c)
otherwise it returns: w(a-1, b, c) + w(a-1, b-1, c) + w(a-1, b, c-1) - w(a-1, b-1, c-1)

这本身就是一个递归函数，要是按照函数本身写递归式，结果肯定是TLE，这里我开了一个三维数组，从w(0,0,0)开始递推，逐步产生到w(20,20,20)的值，复杂度O(n^3).

总结：这道题是很地道的DP，因为它的子问题实在是太多了，所以将问题的结果保存起来，刘汝佳《算法艺术和信息学竞赛》中115页讲到自底向上的递推，这个例子就非常典型。总体来说这个题目还是非常简单的，不过这个思想是地道的动态规划。

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

 

 

Pku acm 2081 Recaman's Sequence 动态规划题目总结(三)

http://acm.pku.edu.cn/JudgeOnline/problem?id=2081

一道很简单的动态规划，根据一个递推公式求一个序列，我选择顺序的求解，即自底向上的递推，一个int数组result根据前面的值依此求出序列的每一个结果，另外一个boolean数组flag[i]记录i是否已经出现在序列中，求result的时候用得着，这样就避免了查找。核心的java代码为：

for(i=1;i<=500000;i++)

{

if(result[i-1]-i>0&&flag[result[i-1]-i]==false)

{

result[i] = result[i-1]-i;

flag[result[i-1]-i] = true;

}

else

{

result[i] = result[i-1]+i;

flag[result[i-1]+i] = true;

}

}

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

Pku acm 1953 World Cup Noise  动态规划题目总结(四)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1953

给定一个小于45的整数n，求n位2进制数中不含相邻1的数的个数。看似简单的一道题，如果当n=45时，对2的45次方检查，是无法完成的任务。先分析一下这个问题：

N	以1结尾的个数	以0结尾的个数	总和
1	1	1	2
2	1	2	3
3	…	…	…

对于n=1来说，以1结尾、以0结尾个数都是1，总和是2，下面过度到2：对于所有以1结尾的数，后面都可以加上0，变为n=2时以0结尾的，而只有结尾为0的数才能加上1（因为不能有两个连续0），这样就可以在n=2的格里分别填上1、2，总和算出来为3，以此类推，我们可以算出所有n<=45的值，然后根据输入进行相应输出。核心代码如下：

int i,num,count,array[50][2],j=0;

array[1][1] = 1;

array[1][0] = 1;

for(i=2;i<50;i++)

{

        array[i][0] = array[i-1][1];

        array[i][1] = array[i-1][1]+array[i-1][0];

}

我们可以继续找出规律，其实这个就是斐波那切数列数列：

F[N] = F[N-1]+F[N-2];可以继续简化代码。

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

Pku acm 1458 Common Subsequence  动态规划题目总结(五)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1958

求两个string的最大公共字串，动态规划的经典问题。算法导论有详细的讲解。

下面以题目中的例子来说明算法：两个string分别为：abcfbc和abfca。创建一个二维数组result[][],维数分别是两个字符串长度加一。我们定义result[i][j]表示X_i和Y_j 的最长子串(LCS).当i或j等于0时，result[i][j]=0. LCS问题存在一下递归式：

result[i][j] = 0                            i=0 or j=0

result[i][j] = result[i-1][j-1]                 X_i= =Y_j

result[i][j] = MAX(result[i-1][j], result[i][j-1])  X_i! =Y_j

对于以上例子，算法如下：

Result[i][j]:

			a	b	c	f	b	a
		0	1	2	3	4	5	6
	0	0	0	0	0	0	0	0
a	1	0	1	1	1	1	1	1
b	2	0	1	2	2	2	2	2
f	3	0	1	2	2	3	3	3
c	4	0	1	2	3	3	3	3
a	5	0	1	2	3	3	3	4

从最后一个格向上顺着箭头的方向可以找到最长子串的构成，在有箭头组成的线段中，含有斜向上的箭头对应的字符是其中的一个lcs。

Java代码的核心部分如下：

for(int i=0;i<length1;i++){

     result[i][0] = 0;

}

for(int i=0;i<length2;i++){

     result[0][i] = 0;

}

for(int i=1;i<=length1;i++){

     for(int j=1;j<=length2;j++){

        if(str1.charAt(i-1)==str2.charAt(j-1))

            result[i][j] = result[i-1][j-1]+1;

        else

            result[i][j] = result[i-1][j]>result[i][j-1]?result[i-1][j]:result[i][j-1];

     }

}

System.out.println(result[length1][length2]);

 

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

 

 

 

Pku acm 2250 Compromise 动态规划题目总结(六)

http://acm.pku.edu.cn/JudgeOnline/problem?id=2250

这个也是求最长公共字串，只是相比Common Subsequence需要记录最长公共字串的构成，此时箭头的标记就用上了,在程序中，用opt[][]存放标记，0表示朝向左上方，1表示指向上，-1表示指向左。result[][]存放当前最大字串长度。在求最优解时，顺着箭头从后向前寻找公共字串的序号，记录下来，输出即可。该算法在算法导论中有详细的讲解。

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得。

 

Pku acm 1159 Palindrome 动态规划题目总结(七)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1159

给一个字符串，求这个字符串最少增加几个字符能变成回文，如Ab3bd可以增加2个字符变为回文：Adb3bdA。通过这样的结论可以和最长公共子串联系起来(未证明)：S和S' (注:S'是S的反串)的最长公共子串其实一定是回文的。这样我们就可以借助lcs来解决该题，即用s的长度减去lcs的值即可。核心的Java代码为：

total-LCS(string,new StringBuffer(string).reverse().toString());

//函数LCS返回两个string的lcs的长度

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

Pku acm 1080 Humman Gene Function  动态规划题目总结(八)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1080

这是一道比较经典的DP，两串基因序列包含A、C、G、T，每两个字母间的匹配都会产生一个相似值，求基因序列（字符串）匹配的最大值。

这题有点像求最长公共子序列。只不过把求最大长度改成了求最大的匹配值。用二维数组opt[i][j]记录字符串a中的前i个字符与字符串b中的前j个字符匹配所产生的最大值。假如已知AG和GT的最大匹配值，AGT和GT的最大匹配值，AG和GTT的最大匹配值，求AGT和GTT的最大匹配值，这个值是AG和GT的最大匹配值加上T 和T的匹配值，AGT和GT的最大匹配值加上T 和-的匹配值，AG和GTT的最大匹配值加上-和T的匹配值中的最大值，所以状态转移方程：

opt[i][j] = max(opt[i-1][j-1]+table(b[i-1],a[j-1]),opt[i][j-1]+table('-',a[j-1]),opt[i-1][j]+table('-',b[i-1]));

	Null	A	G	T	G	A	T	G
Null		-3	-5	-6	-8	-11	-12	-14
G	-2
T	-3
T	-4
A	-7
G	-9

第0行，第0列表示null和字符串匹配情况，结果是’-’和各个字符的累加：      for(i=1;i<=num1;i++)

            opt[0][i] = opt[0][i-1]+table('-',a[i-1]);

    for(i=1;i<=num2;i++)

            opt[i][0] = opt[i-1][0]+table('-',b[i-1]);

opt[num2][num1]即为所求结果。

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

Pku acm 2192 Zipper  动态规划题目总结(九)

http://acm.pku.edu.cn/JudgeOnline/problem?id=2192

这个题目要求判断2个字符串能否组成1个字符串，例如cat和tree能组成tcraete。我们定义一个布尔类型的二维数组 array,array[i][j]表示str1[i]和str2[j]能否组成str[i+j].i=0或者j=0表示空字符串，所以初始化时，array[0][j]表示str1的前j个字符是否和str都匹配。

对于str=tcraete:

	Null	c	a	t
Null	1	0	0	0
t	1
r	0
e	0
e	0

可以证明：当array[i-1][j]( array[i][j]上面一格)和array[i][j-1]( array[i][j]左面一格)都为0时，array[i][j]为0.当array[i-1][j]( array[i][j]上面一格)为1且左面字母为str[i+j]时或者当array[i][j-1]( array[i][j]左面一格)为1且上面字母为str[i+j]时，array[i][j]为1.这就是状态转移方程为。

核心的Java代码：

if(array[i][j-1]&&str1.charAt(j-1)==str.charAt(i+j-1)||array[i-1][j]&&str2.charAt(i-1)==str.charAt(i+j-1))

     array[i][j] = true;

else

     array[i][j] = false;

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

 

Pku acm 3356 AGTC  动态规划题目总结(十)

http://acm.pku.edu.cn/JudgeOnline/problem?id=3356

一个字符串可以插入、删除、改变到另一个字符串，求改变的最小步骤。和最长公共子序列类似，用二维数组opt[i][j]记录字符串a中的前i个字符到字符串b中的前j个字符匹配所需要的最小步数。假如已知AG到GT的最小步数，AGT到GT的最小步数，AG到GTT的最小步数，求AGT到GTT的最小步数，此时T= =T，这个值是AG到GT的最小步数，AGT到GT的最小步数加一(AGT到GT的最小步数等于AGTT到GTT的最小步数，加一是将T删除的一步)，AG到GTT的最小步数加一(AG到GTT的最小步数等于AGT到GTTT的最小步数，加一是在AGT上增加T的一步)。假如已知AG到GT的最小步数，AGA到GT的最小步数，AG到GTT的最小步数，求AGA到GTT的最小步数，此时A! =T，这个值是AG到GT的最小步数加一(A改变为T)，AGA到GT的最小步数加一(AGA到GT的最小步数等于AGAT到GTT的最小步数，加一是将T删除的一步)，AG到GTT的最小步数加一(AG到GTT的最小步数等于AGA到GTTA的最小步数，加一是在GTTA上删除A的一步)。所以状态转移方程：
if(str1.charAt(i-1)==str2.charAt(j-1))

    array[i][j] = Math.min(Math.min(array[i-1][j-1], array[i-1][j]+1), array[i][j-1]+1);

else

    array[i][j] = Math.min(Math.min(array[i-1][j-1]+1, array[i-1][j]+1), array[i][j-1]+1);

初始化的时候和最长公共子序列不同，因为第0行，第0列表示null转化到字符串情况，结果是字符串的长度：

for(int i=0;i<=m;i++){

    array[i][0] = i;

}  

for(int i=0;i<=n;i++){

    array[0][i] = i;

}

	Null	A	G	T	G	A	T	G
Null	0	1	2	3	4	5	6	7
G	1
T	2
T	3
A	4
G	5

结果是array[m][n]

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

 

Pku acm 1887 Testing the CATCHER  动态规划题目总结(十一)

http://acm.pku.edu.cn/JudgeOnline/problem?id=1887

题目叙述很繁琐，其实就是求最长下降子序列，这一类题也是动态规划的典型题。这类问题有两种算法，一种 T(o) = O(n^2),另一种T(o) = O(nlogn),这里用第一种，在1631 Bridging signals的解题报告中介绍第二种。

创建一个一维数组num_array[j]，max_array[],num_array[j]表示序列的元素，max_array[i]表示以第i个元素结尾的序列中的最长下降子序列，初始化为1，对于一个max_array[i]，遍历前面的每个元素j，如果num_array[j]> num_array[i]且max_array[j]>= max_array[i],那么max_array[j]就要加1，所以递推公式为：

if(num_array[i]<=num_array[j]&&max_array[i]<=max_array[j])

         max_array[i]++;

最后选最大的一个max_array[i]就是最长下降子序列的个数。Java关键部分的代码：

for(int i=1;i<length;i++){

         for(int j=0;j<i;j++){

            if(num_array[i]<=num_array[j]&&max_array[i]<=max_array[j])

                max_array[i]++;

         }

         max_value = (max_array[i]>max_value)?max_array[i]:max_value;

}

max_value是最后的结果。

带有详细注释的代码可以在http://download.csdn.net/user/china8848/获得

 

 

 

Pku acm 2533 Longest Ordered Subsequence  动态规划题目总结(十二)

http://acm.pku.edu.cn/JudgeOnline/problem?id=2533

这个题目和1887 Testing the CATCHER一模一样，没有什么值得说的，关键的c代码如下：

<