2014专题训练之动态规划总结

一、斜率优化：

        若一个DP方程可以表示为f[i] = min(f[j] + cost(i, j))，假设j是最优选择，那么对于任意的k，都有f[j] + cost(i, j) >= f[k] + cost(i, j)。

        若将上式移项得到左边可以表示为(g[j] - g[k]) / (h[j] - h[k]) ，右边是一个与j和k无关的式子，则可以用队列来优化DP。

        队列维护的是一个下凸的图形，下凸就是斜率逐渐变大，证明略。

        A - MAX Average Problem

        B - Lawrence

二、四边不等式优化：

        若一个DP方程可以表示为f[i][j] = min(f[i][k] + f[k + 1][j] + cost(i, j))，且对于cost(i, j)若固定j，cost(i, j + 1) - cost(i, j) 是一个关于i递减的函数，则s[i][j - 1] <= k <= s[i + 1][j]。

        C - Tree Construction

三、序列上的DP：

        D - Number String

        序列上的DP很多是等价替换的思想。

        对于这题，dp[i][j]表示第i个位置填j（1 <= j <= n）且满足要求的序列有多少个。但是这样表示是有后效性的。

        换一种表示方法：dp[i][j]表示第i个位置填j(1 <= j <= i)且满足要求的序列有多少个。考虑dp[i - 1][k]，若把这序列上大于等于j的的数字全部加1，这个序列仍然是合法的，但是j却消失了，i却用掉了（因为原来序列有i-1）。

        E - Reverse the prefix

        f[i][j]表示前i个字母采取最多j次翻转得到的最小序列。g[i][j]表示前i个字母采取最多j次翻转得到最大的序列。

        转移比较简单。

四、单调队列优化

        可以用单调队列优化的DP一般是用于限定长度的区间，且区间有整体移动的趋势。即每一个元素是逐次进出区间，且只有一次。队列里的值是单调的，一般dp[i]会直接等于Q.front() + cost;

        F - Cut the Sequence

        显然，dp[i] = dp[j] + max(a[j + 1], a[i])，其中且sum(j + 1, i) <= m。

        但是此题dp[i]不一定等于Q.front() + cost，因为cost是动态的且不与队列的单调性一样。

        一个最优的选择j，a[j]必定大于后面所有数（自己想）。

五、数位DP

        G - Balanced Number

        反正我用数位DP做挂了，网上的都是暴力深搜的。

六、概率DP

        我概率DP渣渣啊，主要是状态的表示方法太灵活了。递推方式有从结果出发和从始态出发两种。而且往往会出现DP[i]用到DP[j]，DP[j]用到DP[i]这样的情况，常用解决的方法有迭代求解和高斯消元。

H - Activation

        I - Maze

        这两题都是用的迭代法，H题略。

I题对于当前的点，dp[i] = A * dp[1] + B * (dp[father] + sigma(dp[son])) + C → dp[i] = A * dp[1] + B * dp[father] + B * sigma(dp[son]) + C → dp[i] = A * dp[1]  + B * dp[father] + D

对于每一个节点，用一个三元组（A，B，D）来表示，然后不知道怎么说，就是从儿子的ABD更行自己的ABD，看代码吧。

七、斯坦纳树

        最小生成树是斯坦纳问题的一种特殊情况。给N个点和相应的边，选定K个点，问如何选择边使得这K个点联通并且边权和最小。

        dp[i][s]表示以i为根，使得k个点的联通情况为s的最小边权和。dp[i][s] = min(dp[i][p | st[i]] + dp[i][(s - p) | st[i]]); 然后spfa()

        J - Peach Blossom Spring