【算法】动态规划

文章目录

理解
基本概念
引例
典型问题

最大连续子列和
最长不降子序列（LIS）
最长公共子序列（LCS）
最长回文串
DAG最长路

不定终点
定终点
实例

动态规划

01背包
完全背包

理解

动态规划是将原始问题分解为若干个子问题，对子问题进行求解，并记录下子问题的结果，当求解包含已经解决的子问题的原问题时，返回子问题的结果即可

基本概念

转移方程、边界

最优子结构

引例

数塔问题
【算法】动态规划

在如上数塔中，选取一条路径使得路径上的数字和最大

解：

设数塔表示为 $f[i][j]$ ， $dp[i][j]$ 表示选择了 $f[i][j]$ 能得到的最大的和，得到转移方程为：

$dp[i][j] = \max{(dp[i+1][j], dp[i+1][j+1])}+f[i][j]$

边界为:

$dp[n][j] = f[n][j]$

递归求解即可

斐波那契数列求解

走楼梯

典型问题

最大连续子列和

在数列 $n_1, n_2, ... , n_K$ 中，求出 $n_i + n_{i+1} + ... + n_j$ 的最大值
dp数组： $dp[i]$ 表示以 $n_i$ 结尾的子列中子列和的值
转移方程和边界

$dp[i] = \max(dp[i - 1] + a[i], dp[i])$

$dp[i] = a[i]$

最长不降子序列（LIS）

序列可以不连续
dp数组： $dp[i]$ 表示以 $A[i]$ 结尾的LIS长度
状态转移方程：

当 $A[i]$ 前的元素 $A[j]$ 都比 $A[i]$ 大， $dp[i] = 1$

否则： $dp[i] = \max(dp[j] + 1)$

综上： $dp[i] = \max(1, dp[j] + 1), 0 \leq j< i,A[j] \leq A[i]$

边界： $dp[i] = 1$

最长公共子序列（LCS）

子序列可以不连续
dp数组： $dp[i][j]$ 表示 $A[i], B[j]$ 前LCS的长度
状态转移方程和边界

当 $A[i] == B[j]$ ： $dp[i][j] = dp[i - 1][j - 1] + 1$

当 $A[i] ！= B[j]$ ： $dp[i][j] = \max(dp[i - 1][j], dp[i][j - 1])$

边界： $d[i][0] = d[0][j] = 0$
注意字符串下标从1开始

最长回文串

求解长度最长的回文串
dp数组： $dp[i][j] = 1$ 表示 $A[i], ..., A[j]$ 是回文串， $dp[i][j] = 0$ 表示 $A[i], ..., A[j]$ 是不是回文串
状态转移方程：

当 $A[i] == A[j]$ ： $dp[i][j] = dp[i + 1][j-1]$

当 $A[i] != A[j]$ ： $dp[i][j] = 0$

边界： $d[i][i] = 1, d[i][i+1] = (s[i] == s[i+1]) ? 1 : 0$
求解方法：按照子串长度从1到 $strlen(s)$ 递推

DAG最长路

不定终点

dp数组： $dp[i]$ 表示以 $i$ 为起点的最长长度
状态转移方程：

$dp[i] = \max(dp[j] + len_{i\rightarrow j}$

边界： $dp[i] = 0$

实现

计算路径长度

int DP(int v){
    if(dp[v] > 0)return dp[v];
    for(int i = 0; i < G[v].size(); ++i){
        int u = G[v][i], temp = DP[u] + G[v][i].w;
        if(temp > dp[v])dp[v] = temp;
    }
    return dp[v];
}

计算关键路径

增加一个choice数组，记录节点 i 的后继节点

int DP(int v){
    if(dp[v] > 0)return dp[v];
    for(int i = 0; i < G[v].size(); ++i){
        int u = G[v][i], temp = DP[u] + G[v][i].w;
        if(temp > dp[v]){
           dp[v] = temp;
            choice[v] = u;
        }
    }
    return dp[v];
}

定终点

终点固定为T，总体和不定终点一样，不同在边界条件：

$dp[T] = 0, dp[i] = -inf (i \neq T)$

实例

在给定的DAG中寻找关键路径

//http://codeup.cn/problem.php?cid=100000624&pid=0
#include<iostream>
#include<cstdio>
#include<vector>
#include<unordered_map>
#include<string>
#include<stack>
#include<queue>
#include<set>
#include<algorithm>
using namespace std;
struct node{
    int v, w;
};
const int nmax = 20;
vector<node>G[nmax];
unordered_map<char, int>mp;
char rmp[nmax];
int cnt = 0;
void getIndex(char ch){
    auto it = mp.find(ch);
    if(it == mp.end()){
        mp[ch] = cnt;
        rmp[cnt] = ch;
        cnt++;
    }
}
int dp[nmax], choice[nmax];
int DP(int i){
    if(dp[i] > 0)return dp[i];
    for(int j = 0; j < G[i].size(); ++j){
        int v = G[i][j].v, temp = DP(v) + G[i][j].w;
        if(temp > dp[i]){
            dp[i] = temp;
            choice[i] = v;
        }
    }
    return dp[i];
}
void printPath(int s){
    while(choice[s] != -1){
        printf("(%c,%c) ", rmp[s], rmp[choice[s]]);
        s = choice[s];
    }
}
void init(){
    for(int i = 0; i < nmax; ++i){
        G[i].clear();
        dp[i] = 0;
        choice[i] = -1;
    }
    mp.clear();
    cnt = 0;
}
int main()
{
    int cnt = 0;
    cin>>cnt;
    for(int i = 0; i < cnt; ++i){
        init();
        int n, m;
        cin>>n>>m;
        char ch;
        for(int j = 0; j < n; ++j){
            cin>>ch;
            getIndex(ch);
        }
        for(int j = 0; j < m; ++j){
            char ch1, ch2;
            int w;
            cin>>ch1>>ch2>>w;
            G[mp[ch1]].push_back({mp[ch2], w});
        }
        int ans = 0, s;
        for(int j = 0; j < n; ++j){
            int temp = DP(j);
            if(temp > ans){
                ans = temp;
                s = j;
            }
        }
        printPath(s);
        printf("%d\n", ans);
    }
    return 0;
}

动态规划

01背包

问题描述：

有n件物品，每件物品重量为 $w[i]$ ，价值为 $c[i]$ ， $1\leq i\leq n$ ，给定容量为 $V$ 的背包，求解使背包内物品总价值最大的方案
解决方案：
- 递归搜索
```
//未计算价值
const int nmax = 10010;
int num[nmax] = {0};
vector<int>ans, temp;
bool flag = false;
void dfs(int index, int sum, int M, int n){
    if(sum > M || index > n)return;
    if(sum == M){
        ans = temp;
        flag = true;
        return;
    }
    if(flag)return;
    temp.push_back(index);
    dfs(index + 1, sum + num[index], M, n);
    temp.pop_back();
    if(flag)return;
    dfs(index + 1, sum, M, n);
}
```
- 动态规划
设数组 $dp[i][v]，0 \leq i\leq n, w[i] \leq v \leq V$ 表示前 $i$ 件物品放入容量为 $v$ 的背包中获得的最大价值，状态转移方程为： $dp[i][v] = \max(dp[i-1][v], dp[i - 1][v-w[i]] + c[i])$ ，边界条件为： $dp[0][v] = 0$
```
for(int i = 1; i <= n; ++i){
    for(int v = w[i]; v <= V; ++v){
        dp[i][v] = max(dp[i - 1][v], dp[i - 1][v - w[i]] + c[i]);
    }
}
```
求解出dp数组后，遍历 $dp[n][v]$ ，取最大值即为能得到的最大价值

注：
1. dp数组的求解
在求解 $dp[i][v]$ 时，只与 $dp[i-1][v]$ 和 $dp[i][v - w[i]]$ 的状态有关，省去 $i$ 的维度，转移方程写作： $dp[v] = \max(dp[v], dp[v - w[i]] + c[i]), w[i]\leq v \leq V$

求解时倒着枚举v

如果正向枚举，则前一个状态的 $dp[v-w[i]]$ 会被覆盖

记录选择方式

开一个数组 $choice[i][v]$ ，当 $choice[i][v] == 1$ 时表示前 $i$ 件物品取得最大值时选择了第 $i$ 件，否则就没选，最终倒着枚举$choice[i][v], v = \arg\max_{v\leq V}(dp[v]) $就能获得选择的方案

例子：

（PAT1068）第一行给出货币个数n和应付金额m，第二行给出n个货币的面额，求出付钱的方式，如果方式不唯一，给出字典序最小的方案，如果没有答案，输出"No Solution"

分析：

（1）要求的答案是$V_1 + V_2 +…+V_k == m $，因此应付金额m对应背包容量V，面额对应物品的质量，同时面额也对应物品的价值，因此无解的判定条件时$ dp[m] != m$

（2）要输出字典序最小的答案，先将数组逆序（因为滚动数组中v是逆序枚举），当 $dp[v - w[i]] + c[i] == dp[v]$ 时，选择放第 i 件物品（不放得到的会是字典序最大的）

//求dp数组
for(int i = 1; i <= n; ++i){
    for(int v = m; v >= num[i]; --v){
        if(dp[v - num[i]] + num[i] >= dp[v]){
            dp[v] = dp[v - num[i]] + num[i];
            choice[i][v] = true;
        }
    }
}
//输出路径
bool flag = false;
for(int i = n; i >= 1; --i){
    if(choice[i][m] == true){
        if(flag)printf(" ");
        printf("%d", num[i]);
        flag = true;
        m -= num[i];//注意更新v
    }
}

完全背包

问题描述：

有n种物品，每件物品重量为 $w[i]$ ，价值为 $c[i]$ ， $1\leq i\leq n$ ，给定容量为 $V$ 的背包，求解使背包内物品总价值最大的方案
解决方案

分析方法同0-1背包，转移方程为： $dp[i][v] = \max(dp[i-1][v], dp[i][v-w[i]] + c[i])$
滚动数组可以正向或者逆向枚举

$\max(dp[v], dp[v - w[i]] + c[i]), w[i]\leq v \leq V$