DP浅谈

D P DP 浅谈

  • 由于窝太菜了,只好写这篇浅谈来聊以自慰。

那么我们从最简单的 D P DP 入门开始吧

【一】基础 D P DP

( I )    l i s (I)\ \ lis 一个最基础的 D P DP 入门题。

  • 状态: f i f_i 表示到 i i l i s lis 长度

  • 转移: f i = max   ( f j + 1 )    ( a j a i ) f_i=\max\ (f_j+1)\ \ (a_j\leq a_i)

  • 答案统计: max   f i \max \ f_i

  • 因为我们在更新 i i 时要找到最大的 f j f_j 来更新答案使得答案最优。这样的复杂度是   O ( n 2 ) \ O(n^2)

  • 但是我们可以在   O ( n log n ) \ O(n \log n) 的时间内完成,此时可以用树状数组来维护。这里来讲一下用树状数组来维护。此时只要利用简单的区间求最值以及区间加就能完成。

  • AT2827 LIS例题

  • 随便再来几道线性 D P DP

( 1 ) (1) 例题一:CF711C

  • 这算是一道比较简单的 D P DP

    f i , j , k f_{i,j,k} 表示表示前i颗树已经分成k组,第i颗树的颜色是j的情况花费的最小费用。

    转移也很简单(就是思考这个状态可以由哪些状态转移过来就行了)

    a i a_i 确定的时候:

    f i , a i , k = m a x ( f i , a i , k , f i 1 , j , k 1 )    ( j ! = a [ i ] ) f_{i,a_i,k}=max(f_{i,a_i,k},f_{i-1,j,k-1})\ \ (j!=a[i])

    f i , a i , k = m a x ( f i , a i , k , f i 1 , j , k )    ( j = = a [ i ] ) f_{i,a_i,k}=max(f_{i,a_i,k},f_{i-1,j,k})\ \ (j==a[i])

    a i a_i 不确定的时候:

    f i , j , k = m a x ( f i , j , k , f i 1 , h , k 1 + w i , j )    ( j ! = h ) f_{i,j,k}=max(f_{i,j,k},f_{i-1,h,k-1}+w_{i,j})\ \ (j!=h)

    f i , j , k = m a x ( f i , j , k , f i 1 , h , k + w i , j )    ( j = = h ) f_{i,j,k}=max(f_{i,j,k},f_{i-1,h,k}+w_{i,j})\ \ (j==h)

    这种题目只要把所有转移考虑全面就很简单了。

    参考代码

( 2 ) (2) 例题二:CF706C

( 3 ) (3) 例题三:CF404D

【二】 D P DP 的优化

  • 由于蒟蒻比较菜不知道什么神仙优化方法,就写几种基础的就好了。

( I ) (I) 单调队列优化 D P DP

  • 其实单调队列就是一种队列内的元素有单调性(单调递增或者单调递减)的队列,答案(也就是最优解)就存在队首,而队尾则是最后进队的元素。因为其单调性所以经常会被用来维护区间最值或者降低DP的维数已达到降维来减少空间及时间的目的。(引 出处

  • 我们一边看例题一边来理解他的妙处所在。

例题一:P6040

  • 对于暴力:

    f i f_{i} 表示到 i i 的最小花费精力,转移 O ( n 2 ) O(n^2) 即可

    转移也很简单,没什么可以讲的:

    f i = m i n { f j + ( i j 1 ) d + k + a i } , j [ i x , i 1 ) f_i=min\{f_j+(i-j-1)*d+k+a_i\},j∈[i-x,i-1)

  • 现在我们就要使用单调队列来优化

    对于上述柿子我们可以进行移项合并得到: f i = a i + k + ( i 1 ) d + m i n { f j j d } f_i=a_i+k+(i-1)*d+min\{f_j-j*d\}

    到这里我们想到用单调队列去维护 f j j d f_j-j*d 单减即可。

    对于每次距离的限制用对头来控制,如果 i q [ h e a d ] > X i-q[head]>X 那么要更新队头(可以认为队头是来控制区间范围的),对于 D P DP 值的更新要用到队尾,即当 f [ q [ t a i l ] ] q [ t a i l ] D > = f [ i ] i D f[q[tail]]-q[tail]*D>=f[i]-i*D 时要更新队尾来保证队内元素单调递减。这样我们就很好地维护了一个单调队列。

  • 参考代码

( 2 ) (2) 例题二:P2569

( 2 ) (2^{'}) 我写的题解(可参考)

( 3 ) (3) 例题三:CF372C

( I I ) (II) 线段树优化 D P DP

  • 注:由于窝比较菜,只会一些很套路的,巨佬请让步。

  • 以下是我的个人观点:因为线段树可以维护一些区间加,区间 min o r max \min or \max 。。而 D P DP 不是有时也是寻找从哪里转移过来时候,为了最优,可以使用线段树。或者只是对 D P DP 方程式中的一部分进行快速查询与记录。一般可以把 n 2 n^2 变成 n log n n\log n 。 话不多说,还是来看几道例题。

例题一:CF629D

  • 对于暴力

    暴力 D P DP 很简单设 f i f_i 表示到第 i i 块蛋糕最大体积

    转移也很显然: f i = max f j + V i ( j i , a j < a i ) f_i=\max{f_j}+V_i(j\leq i,a_j<a_i)

  • 我们考虑用线段树优化,不是很明显就是用线段树去找到最大的 f j f_j 来转移,那么不是只要维护一个区间最大以及区间修改就行了。每次更新完 f i f_i ,把 [ 1 , i d i ] [1,id_i] f i f_i 来更新。我是用树状数组的,常数稍微小一点。

  • 参考代码

例题二:CF115E

  • 这道题目相对上面那题难一点。

  • 对于暴力 f i f_i 表示只考虑修前 i i 条路的最大收益,转移非常显然:$ f_i=\max(f_j+P(j+1,i)-A(j+1,i)) ,其中 P(i,j) 表示这个区间的收益, A(i,j)$表示这个区间的修理费。

  • 我们还是来考虑线段树优化。首先要保证无后效性,我们按右端点排序,然后从 1 1 n n 修路,每个点的左边区间减去修理费,遇到比赛的右端点,在左区间加上收益,反复更新即可。这些区间更新修改操作都可以用线段树实现。

  • 参考代码

( 3 ) (3) 例题三:CF833B

( 4 ) (4) 例题四:CF1304F2(虽然本人就做了F1)

( I I I ) (III) 长链剖分优化 D P DP

  • 由于没有怎么学习这里先咕咕咕。。

【三】进阶 D P DP

  • 再次申明:由于博主比较菜只会写众所周知的进阶 D P DP

( I ) (I) 状压 D P DP

  • 一下是我的个人看法:状压 D P DP 就是对于 ( n 20 ) (n\leq 20) 但爆搜又无法完成时使用的~~(是不是非常有道理)~~。认真些,其实状压 D P DP 就是把某些状态用二进制来存( 1 1 表示出现过, 0 0 则相反)。

  • 但是在学习状压 D P DP 之前先要比较熟悉位运算状压之位运算

  • 我们还是拿几道题目来看看吧。

例题一:CF115E

  • 对于暴力很简单,不再赘述。

  • 我们首先要知道 b i [ 1 , 59 ] b_i∈[1,59] 为什么是 59 59 呢。我们可以得到 b i b_i 只会在 60 60 以内,所以会出现的数字只有 1 1 60 60 以内的质数。而对于 59 59 来说,完全可以用 1 1 代替,所以现在会出现的数字被缩减为 17 17 个了。应该讲得比较清楚。这样我们对于每个质数进行二进制表示来实现状压。

    于是我们设 f i , s f_{i,s} 表示与 a i a_i 匹配到 i i 时的质数集状态为 s s a i b i \sum a_i-b_i 的最小值。再用 g i , s g_{i,s} 来记录路径,这样就随意转移即可。

    大概为 f i + 1 , s s t a k = max ( f i + 1 , s s t a k , f i , s + a b s ( a i k ) ) f_{i+1,s|sta_k}=\max(f_{i+1,s|sta_k},f_{i,s}+abs(a_i-k)) ,其中 k k [ 1 , 59 ] [1,59] 的质数枚举, s t a k sta_k 为对每个质数存下的状态。 g i , s g_{i,s} f i , s f_{i,s} 的更新一起更新即可。输出方案时候我们只要不停回溯最终状态即可,即 n o w s t a \oplus nowsta

  • 参考程序

例题二:CF1316E

  • 一道刚刚的 c o d e f o r c e s codeforces 的比赛题,挺好的。

  • 有数据范围 ( p 7 ) (p\leq 7) 可得此题为状压 D P DP

    我们首先建个结构体,然后对观众的收益进行排序,再做 D P DP

    我们设 f i , s f_{i,s} 表示到第 i i 个人时候, p p 个位置的状态为 s s 时候的最大收益。

    转移比较容易

    ( 1 ) (1) 若不能再选观众了: f i , s = max ( f i 1 , s   x o r   ( 1 < < j 1 ) + a i , j , f i , s ) f_{i,s}=\max(f_{i-1,s\ xor\ (1<<j-1)+a_{i,j},f_{i,s})}

    ( 2 ) (2) 还能选: f i , s = max ( f i , s , f i 1 , s + v i ) f_{i,s}=\max(f_{i,s},f_{i-1,s}+v_i)

  • 参考代码

( 3 ) (3) 例题三:CF8C(要加个奇妙的剪枝)

( 4 ) (4) 例题四:CF580D(比较简单)

( I I ) (II) 树形 D P DP

  • 树形 D P DP 顾名思义就是在一棵树上面做 D P DP ,是不是很简单啊。他有着和普通 D P DP 一样的分类(比如背包)。转移相对线性比较难理解,所以还是需要好好理解一下的。那么我们先来看几道题目吧。

( i ) (i) 树上背包

  • 树上背包就是把背包做到树上就好了,与线性 D P DP 套路相似。
例题一:P2014 [CTSC1997]选课
  • 这是一道非常经典的题目,首先我们设 f i , j f_{i,j} 表示选择以 i i 为根的子树中 j j 个节点的最大收益。

  • 然后就是分组背包的转移了: f u , j = max ( f u , j , f v , k + f u , j k ) ( v S u , k j ) f_{u,j}=\max(f_{u,j},f_{v,k}+f_{u,j-k})(v∈S_u,k\leq j)

  • 答案 f 1 , m f_{1,m} (这边我把根变成 1 1 而不是题目里的 0 0 )

  • 参考代码

例题二:P2515 [HAOI2010]软件安装
  • 这道题目是一道综合应用题,需要用到 t a r j a n tarjan 缩点。

  • 我们先按照某些依赖关系去连边,然后把相互依赖的一些软件进行缩点。缩完点后,再建一遍图。(以上是 t a r j a n tarjan 部分)由于建立出来的是一棵树,我们建立一个虚拟点 r t rt 以虚拟节点作为根。那么我们就可以在上面进行 D P DP 啦,下面就与例题一同理了。

  • 状态:设 f i , j f_{i,j} 为以 i i 号点为根的子树中用不超过 j j 的空间的最大价值。

  • 转移: f [ u ] [ i + w [ u ] ] = m a x ( f [ u ] [ i + w [ u ] ] , f [ u ] [ i + w [ u ] j ] + f [ v ] [ j ] ) f[u][i+w[u]]=max(f[u][i+w[u]],f[u][i+w[u]-j]+f[v][j])

  • 答案就是: f r t , m f_{rt,m}

  • 参考代码

( i i ) (ii) 一般树形 D P DP

  • 做了几道这样的题目发现其实从 u u 转移到 v v 其实就是 s i z , d e p siz,dep 之间的转移变化,如果无法理解这句话,我们开看一道题目。
例题一:P2986 Great Cow Gathering G
  • 这是一道必做题,初学的都要做

  • 我们设 f v f_v 表示以 v v 为牛棚的花费,只要有 f a v fa_v 转移过来即可。对于转移画几个图随便想想就可以得到。

  • 转移: f v = f u s i z v × w + ( t o t s i z v ) × w f_v=f_u-siz_v\times w+(tot-siz_v) \times w
    应该比较好理解,就是父亲向儿子走了一步,那么父亲与儿子的连边产生的贡献即 s i z v × w + ( t o t s i z v ) × w siz_v\times w+(tot-siz_v) \times w 。还是很显然的。

  • 参考代码

. . . ... 准备填坑

猜你喜欢

转载自blog.csdn.net/wangyiyang2/article/details/104758511