算法-13 动态规划

本文详细探讨了动态规划在背包问题中的应用,涉及1-101背包、完全背包、多重背包和分组背包的实例,以及线性、区间和计数dp的不同形式。通过实例演示了状态转移方程、初始化、遍历策略,并介绍了状态表示与优化技巧。同时涵盖了状态压缩与树形dp的实战案例。
摘要由CSDN通过智能技术生成

动态规划

  1. 确定dp数组及其下标含义
  2. 确定递推公式
  3. dp数组初始化
  4. 确定遍历顺序
  5. 举例推导dp数组
  • 递归改动态规划,有几个可变参数决定你维护的dp数组是几维数组
  1. 状态表示 集合(所有选法、条件)
  2. 状态计算 集合划分

一些文章

分类

记忆化搜索(答案一定要是return值才记忆化搜索,不能参数是答案返回值在是void用)

int dp[N][N][N] ;
int dfs(int a, int b, int c){
    if(越界/不符合条件) return ...;

    if(dp[a][b][c]已经算过) return dp[a][b][c];
    
    int ans = 0;

    for(...){
        ans += dfs(...) ;
    }
    
    //记录
    dp[a][b][c] = ans;
    return ans;
}

1. 背包dp

!以下问题是背包最大价值是多少,不一定装满

1-1 01背包(每件物品最多只用一次,0和1两种情况)

n个物品(体积vi,价值wi),容量是v的背包,每个物品只能用一次

总体积小于等于v,总价值最大

//二维
dp[n][m] 放入1-n件物品,重量不超过m的最大价值

//初始化(不需要)
dp[0][m]都是0,因为装入0件物品


//放入1-i件物品
for(int i = 1; i <= n; i++){
    //背包容量为j
    for(int j = 0; j <= m; j++){ 
        dp[i][j] = dp[i-1][j]
        if(j >= weight[i]) dp[i][j] = max(dp[i][j], dp[i-1][j-weight[i]) + value[i];
    }
}

//一维,滚动数组
dp[n]

//放入1-i件物品
for(int i = 1; i <= n; i++){
    //背包容量为j
    //从后向前遍历,相当于之前的数还没改变,还是上一层物品的值
    //为忽略判断条件,要满足j >= v[i]
    for(int j = m; j >= v[i]; j--){
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}


1-2 完全背包(每件物品有无限个)

//二维 朴素做法
for(int i = 1; i <= n; i++){
    for(int j = 0; j <= m; j++){
        //k为0,相当于不放物品第i件时的最大值,就是dp[i-1][j]
        for(int k = 0; k * weight[i] <= j; k++){
            //max第二项包括了dp[i-1][j] 的情况,故第一个为dp[i][j]
            dp[i][j] = max(dp[i][j], dp[i-1][j-k * weight[i] + value[i] * k);
        }
    }
}
    

优化思路:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P3GTw40F-1640611084660)(https://note.youdao.com/yws/res/44/FFE5D90878BA474A85EE2195B4F61FE4)]
比较:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mtlsVzYq-1640611084661)(https://note.youdao.com/yws/res/46/D560C84D1A004D46A2DEB248DCE01BCF)]

//优化
for(int i = 1; i <= n; i++){
    for(int j = 0; j <= m; j++){
        dp[i][j] = dp[i-1][j];
        if(j >= v[i]) dp[i][j] = max(dp[i][j], dp[i][j - weight[i]) + value[i] ;
        }
    }
}
//一维

for(int i = 1; i <= n; i++){
    for(int j = v[i]; j <= m; j++){
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

01背包从大到小循环

完全背包从小到达循环

1-3 多重背包(每件物品有si个)

//二维 朴素做法
for(int i = 1; i <= n; i++){
    for(int j = 0; j <= m; j++){
        //k为0,相当于不放物品第i件时的最大值,就是dp[i-1][j]
        for(int k = 0; k * weight[i] <= j && k <= s[i]; k++){
            //max第二项包括了dp[i-1][j] 的情况,故第一个为dp[i][j]
            dp[i][j] = max(dp[i][j], dp[i-1][j-k * weight[i]) + value[i] * k;
        }
    }
}
    

优化:
二进制->十进制的启发

s=200打包成1,2,4,8,16,32,64,73 = 127 + 73

所以0-127能凑出来,73-200能凑出来

拆分
for(int i = 1; i <= n; i++){
    for(int j = m; j >= v[i]; j--){
        f[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}
    

1-4 分组背包(物品有N组,每一组物品有若干个,每一组只能选一个)

只从前i组物品各选一件,并且总体积不大于j

for(int i = 1; i <= n; i++){
    for(int j = m; j >= 0; j--){
        //s[i]是第i组有几个物品
        for(int k = 0; k < s[i]; k++){
            if(v[i][k] <= j){
                f[j] = max(f[j], f[j - v[i][k]] + w[i][k]); 
            }
        }
    }
        
}
    

2. 线性dp

单串:

  • 最长上升子序列(LIS)
  • 最大子数组和系列?
  • 打家劫舍
  • 股票问题
  • 题目
    1. 300. 最长递增子序列(Ologn的算法同样重要,贪心二分)

双串

3. 区间dp

  • 模板
for(int len = 2; len <= n; ++len){
    for(int i = 0; i <= n - len; ++i){
        int j = i + len - 1;
            for(int k = i + 1; k < j; k++){
                    p[i][j] = ...;
            }
    }
}

4. 计数dp

5. 数位dp

6. 状压dp

  • 用01序列表示状态

7. 树形dp

一些新的理解

  • dp方程定义、状态转移、初始化、遍历顺序、举例验证
  • 线性dp:从前到后
  • 区间dp:从短到长
//仅与前一个有关
for(len){
    for(i){
        int l = i, r = i + len;
        dp...
    }
}
//与前n个有关
for(len){
    for(i){
        int l = i, r = i + len;
        for(k:l~r){
            dp...
        }
    }
}
  • 状压dp:用一个32位二进制数表示(是否使用选取/使用的)状态
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Prince_H_23

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值