线性DP学习简单总结（五）（21.4.10)

这周学的例题挺多的，怎么说呢，感觉这种做题思路有时候挺难想的，有时候感觉模模糊糊，大体上懂方向，但是不太会列动态转移方程，看答案后需要想好久，或者画图才能理解，可能我训练的还是少。再说说学例题的感受吧，一般动态规划题抽象出的一维或二维数组的i和j我们的给其特定的含义，这个含义就相当于我们找的不同方式。而我们对其处理，既要考虑当前又要考虑以前，在以前的基础上进行操作得到最后的结果，这个过程有点像累加的过程。一般来说，题目给出一组的变量我们只需构造一个一维数组，如果题干给出两组变量，比如时间和路径，我们需要开一个二维数组i表示时间j表示路径。当然这些构造方式是最基本的。
总结几个最近见到的题型：
•计数问题：最长上升子序列个数，删数序号位置最大等
•求和问题：最大子段和，最大子矩阵和，最大子段绝对值和等
•时段问题：最大空闲时间，最大段价值等
•求方案数问题：毛毛虫走果树，雇佣工人等
•贪心+DP：肥猫速度

回顾一下本周的例题，加深印象
A串B串生成C串
A每个字符的顺序在C串中的顺序不能变，B也一样。设A串m个字符，B串n个字符。首先我们考虑极端情况，要么C串前m个字符全是A，要么C串前n个字符全是B，这些分别按一种情况处理。构造dp[i][j]，i表示已经匹配了s1前i个字符，j表示s2前j个字符的方案数

dp[0][0]=1；
for(i=1; i<=m,i++){
    if(s1[i]==s3[i])
        dp[i][0]=dp[i-1][0];}
for(i=1; i<=n; i++){
    if(s2[i]==s3[i])
        dp[0][i]=dp[0][i-1];}

然后考虑一般情况，拿s1的第i个字符与s3的第i+j个字符比较（i+j表示s2的前j个字符与s1的前i-1个字符方案数已经匹配好了，我们需要考虑s3的i-1+j的下一位的情况），相等的话就在现在的方案数基础上加上s1前i-1的方案数，两个方案的j相同（因为相等说明该方案与s1的i-1的方案为同一个方案），s2同理。同时考虑完s1和s2后才能确定一个dp[i][j]的值。状态转移方程为

if(s1[i] == s3[i+j]) {
dp[i][j] = (dp[i][j] + dp[i-1][j]) %mod;}
if(s2[j] == s3[i+j]) {
dp[i][j] = (dp[i][j] + dp[i][j-1]) %mod;}

线段覆盖价值问题
给你n条线段的左右端点ai，bi和价值ci，线段两两不覆盖（端点可以重合）求最大价值和。
联系贪心，需要先对线段的右端点按照从小到大排序，然后外循环表示排序后第几条线段截止，内循环找截止线段前与其不覆盖的线段的最大价值，加上截止线段的价值表示以当前线段为止的最大价值，不断更新最大价值找最终答案

for (int i = 1; i <= n; i++)
{
int maxx = 0;
for (int j = 1; j < i; j++)
if (a[i].l >= a[j].r)
maxx = max(maxx, dp[j]);
dp[i] = maxx + a[i].jz;
ans = max(ans, dp[i]);
}

尼克的任务
知道尼克的工作时间，任务数以及每个任务开始和持续时间，求最大闲暇时间。
先对所有任务的初始时间按从大到小排序（后开始的排前面，方便倒着推），然后倒着推，定一个一维数组dp[i]，i有两种情况，无任务(或者有任务但不是任务的开始点，因为我们变空闲时间时只考虑的任务的开始点）dp[i]=d[i+1]+1，就是在后一个时间的基础上加1个空闲时间
有任务的开始处dp[i]=max(dp[i+任务时长],dp[i])，就是比较当前点开始的所有任务中，做完这个任务后面空闲时间最大的作为当前空闲时间。
心得：挺绕的，思路有几个点需要注意，排序一定要降序排，这样后面求任务时长时间就可以直接用N[now++].b表示了，N是结构体，b是任务持续时间，now++一开始写后就不用每次都变了。几个关键步骤如下：
N[i].a=a;
N[i].b=b;
mp[a]++记录该点开始的任务个数

	for(int i=k;i>=1;i--)
	{		
		if(mp[i]==0) dp[i]=dp[i+1]+1;
		else 
		{
			for(int ii=0;ii<mp[i];ii++)//循环开始点的任务数
			{
				dp[i]=max(dp[i+N[now++].b],dp[i]);
			}
		}
	}
	cout<<dp[1]<<endl;

数列
给你一组数，擦掉某些数后，最后剩下的数列中最多能有多少个数在自己的位置上，即Ai=i最多能有多少。
我们需要记录数组的数和擦掉的数，所以需要二维数组，用f[i][j]表示前i个数擦掉j个后的最大数。每次循环时我们要给f[i][j]一个初值，因为这个数可以直接擦掉，所以f[i][j]=f[i-1][j-1]；(初值不能是0，否则可能会漏掉一些情况)，然后

 if(a[i]=i-j）//表示第i个数a[i]在擦掉j个数之后符合条件
 f[i][j]=max(f[i][j],f[i-1][j]+1)//表示第i-1个数擦掉j个数的最大值加上第i个数符合条件的1个数
 else f[i][j]=max(f[i][j],f[i-1][j])//不需要加，直接延续前一个数即可

最后答案在第n个数擦掉0到n个数中的最大答案。
整数划分
将N分为若干个不同整数的和，有多少种不同的划分方式，例如：n = 6，{6} {1,5} {2,4} {1,2,3}，共4种。
想到整数i可以划分为j个数，所以构建一个二维数组，把dp[i][j]看作整数i的划分为j个不同的数字的方案数。分两种情况，一种是划分不带1的，可以先把划分的j个不同数字每一个都提一个1，即把i-j的数分成j个数，划分的每一个都加1就变成原数，如：7划分成两个数可以是3和4，相当于7-2也就是5个数划分成两个数2和3，2和3分别加1就构成了7。同样的方法7划分成1个数找到了7，两个数找到了3和4，2和5。另一种情况是每一个划分都带1，也就是把i-j个数划分成j-1个数，每一个数加1，然后最后再加1就构成了原数，如：7相当于5划分成1个数为5，每个数加1为6，最后加1就是7。相当于7划分1和6，划分成1和2和4等。
列动态转移方程：
dp[i][j] = dp[i-j][j] + dp[i-j][j-1]
前面表示从i-j的数字划分为j个不同的数字，到达i只需每一个数字加1；
后面是数字i-j划分为j-1个数字，我们把每一个加1之后再加上最后的1就是dp[i][j]。

 dp[0][0] = 1;
  for(int i = 1;i <= n; i++) {
      for(int j = 1;j*j <= i*2; j++) {//1+2+…+j<=n->(1+j)*j<=2*i->j*j<=2*i，省时间做法
            dp[i][j] = (dp[i-j][j]+dp[i-j][j-1])%mod;
  }

最大M段子段和
基本题型最大子段和
本题挺难的，不好想，先说一下老师讲的方法，我们先构建一个二维数组，dp[i][j] 表示在前i个数选j段且第i个数在最后一组中的最大子段和。讨论第i个数有两种决策:第i个数和第i-1个数构成一段 dp[i][j] = dp[i-1][j] + a[i]相当于在第i-1的值上加本身的值
第i个数自己单独做一段,前面需要 j-1段
dp[i][j] = max{dp[k][j-1]|j-1<=k<i}+a[i]这里k的初始范围为前j-1个数为一段，在范围内寻找最大值在加上本身即可。
状态转移方程 :
dp[i][j]=max(dp[i-1][j],max{dp[k][j-1]|j - 1<= k < i})+a[i];
这样写空间复杂度高，可对其优化，发现发现更新 dp[i][j]的时候只用到了dp[.][j]和 dp[.][j-1]只需两列j,所以用滚动数组轮换表示,学习这种方式

   j1=1;
｛......
 dp[i][j1]=max(dp[i][j1],dp[k][j1^1]);
 dp[i][j1] += a[i];
 ......
 ｝
  j1^=1; //滚动数组交换0,1。

其他人的方法：https://blog.csdn.net/mirocky/article/details/104163844?utm_source=app&app_version=4.5.8