状态压缩dp(状压dp)

2024-09-05 21:32
文章标签 dp 压缩 状态 状压

本文主要是介绍状态压缩dp(状压dp),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

注:在涉及到位运算时,一定要注意位运算的优先级。该加的括号一定要加

状压dp是一类比较难理解的dp;

在讲状压dp之前,我们应该清楚所有的dp是解决多阶段决策最优化问题的一种思想方法;

请注意多阶段这三个字:

经过前面三种背包的学习,可以发现如何定义状态是解决动态规划最重要的一步;

状态的定义也就决定了相当于阶段的划分;

在背包问题中,我们通过物品的件数i和背包的容量j来定义状态或者说是划分阶段;

动态规划多阶段一个重要的特性就是无后效性。无后效性就是值对于某个给定的阶段状态,它以前各阶段的状态无法

直接影响它未来的发展,而只能通过当前的这个状态。换句话说影响当前阶段状态只可能是前一阶段的状态

那么可以看出如何定义状态是至关重要的,因为状态决定了阶段的划分,阶段的划分保证了无后效性

————————————————————————————————————————————————————

以上讲了一些基本的概念,以下具体用一个例子和一些习题讲一下状压dp;

有时候为了达到最优子结构和无后效性的效果,我们必须要定义好状态。但是有时候状态维度特别多,但是每个状态的

决策又很少,这样我们开多维数组很可能会浪费,并且可能会爆空间。

这时候我们考虑用状态压缩来做,比如每个状态的决策只有两个,但是状态的维度很多。下面我们用01背包来举例。

有n件物品和一个容量为v的背包。放入第i件物品的占的空间为Ci,得到的价值是Wi;求解每种放法的背包价值;

(当然这不是一个典型的动态规划问题,但是用动态规划的思想有助于讲解状压dp);

 

想一想之前动态规划框架讲解,解决动态规划问题首先要定义状态;

1.定义状态:因为这个要求每一种放法的背包价值,所以我们状态应该是这n件物品的放与不放的情况。

                     最容易想到的是开个n维数组,第i个维度的下标如果是1的话代表放第i件物品,0的话代表不放第i件物品;

                     但是这样很容易造成空间浪费,而且多维数组也不好开;

                     我们仔细观察就会发现,每件物品有放与不放两种选择;假设我们有5件物品的时候,用1和0代表放和不放

                     如果这5件物品都不放的话,那就是00000;

                     如果这5件物品都放的话,    那就是11111;

                    看到这,我们知道可以用二进制表示所有物品的放与不放的情况;如果这些二进制用十进制表示的话就只有

                    一个维度了。而且这一个维度能表示所有物品放与不放的情况;这个过程就叫做状态压缩;

                   细节:观察可以知道在上面的例子中00000 ~ 11111可以代表所有的情况,转化为十进制就是0~(1<<5  - 1);

2.描述不同状态如何转移:

                   放的状态只能从不放的状态转移过来,所以dp[10000]只能从dp[00000] + W[1] 转移过来;dp[11000]可以从

                   dp[01000] + W[1]或者dp[10000] + W[2]转移过来.........

3.按一个方向求出该问题的解

                   该问题并不是一个典型的动态规划问题,所以不用管;

代码如下:

#include<stdio.h>
const int INF = 1 << 15;
int dp[INF + 10];
int dp1[INF+ 10] ;	//定义状态 
void print1(int num);		//打印在状态为num的时候的所有物品放与不放的情况 /*
3 6
2 5
3 8
4 9				//一组样例 0       0       0
1       5       2
01      8       3
11      13      5
001     9       4
101     14      6
011     17      7
111     22      9
*/ 
int main()
{int n,m;while(~scanf("%d%d",&n,&m)){int W[20],C[20];for(int i = 0; i < n; i++)scanf("%d %d",&C[i],&W[i]) ;int res = -1;for(int i = 0; i < (1 << n); i++){for(int j = 0; j < n; j++){if(!(i&(1 << j)))		//状态转移 {int temp = i | (1<<j);dp[temp] = dp[i] + W[j];		dp1[temp] = dp1[i] + C[j];}}}for(int i = 0; i < (1 << n); i++){print1(i);printf("\t%d\t%d\n",dp[i],dp1[i]);		//打印出每种方案的情况,价值 和耗费的空间 }}return 0;
}
void print1(int num)
{int k= 0;if(num == 0)printf("0");for(;(1 << k) <= num; k++){if(num & (1<<k))printf("1");elseprintf("0");}
}

上面涉及到二进制运算的问题可以看另一篇博客位运算及常用功能;

从上面可以看出:状压dp的特点一般是规模比较小,n一般小于15。而且一般只有两种决策

————————————————————————————————————————————————————

例题1:POJ 2411

这个题规模比较小,而且每个方格只有两种状态,分别是被覆盖和未被覆盖;

所以我们考虑用状态压缩dp;

定义状态:

我们首先定义状态:dp[j][state],表示能到达第j列,且第j列所有方格的覆盖情况为state时的所有方法数;

这样我们通过这个状态把这个问题分为j个阶段(j代表列数),因为第j列放置的情况最多只能影响到j+1列。比如第j列放置

一个或多个1*2的方格。这样一种情况就会影响到j+1列;但是他最多影响到第j+1列,之后就不能再影响了。

这就是无后效性无后效性是保证能动态规划的关键。


状态转移:

当第i列第j行状态为0时,表示没有覆盖;当为1时,说明被覆盖了;

如果当前格没有被覆盖,说明我们至少可以放一个1*2的方格,如果当前列的下一行也没有被覆盖,那么我们可以放一个

2*1的方格;如果被覆盖, 那么我们继续往当前列的下一行遍历 ,直到把这一列遍历完; 在这个过程中 ,我们能求出

下一列的合法状态(也就是可以到达的状态),这是一个搜索的过程,至于为什么要搜索,请看下面:

我们把当前列每一种状态都进行搜索,看能不能找到从这种状态到其他状态的一种路径;如果存在,说明其他状态是

可以到达的。所以我们其实并不需要对每一种状态进行搜索,只需要对可以到达的状态进行搜索即可;


按一个方向求出该问题的解:

当前阶段总是影响下一阶段,所以我们应该按照阶段的方向进行求解,在这个题中是按列的方向求解;题目要求全部填

满,所以答案应该是dp[m+1][0];


代码如下:

#include<stdio.h>
#include<string.h>
#define mmset(a,b) memset(a,b,sizeof(a))
const int INF = 1 << 12 + 10;
long long dp[13][2100];
int n,m;
/*
1 2
1 3
1 4
2 2
2 3
2 4
2 11
4 11
0 0
Sample Output
1
0
1
2
3
5
144
51205
*//*搜索从第j列的state状态开始,它能到达第j+1列的哪些状态;i代表第i行,next代表它能到达第j+1列的next状态 
*/
void dfs(int i,int j,int state,int next);		int main()
{while(~scanf("%d%d",&n,&m) && (n+m)){if(n > m)	//交换两个变量 {n = n ^ m;m = n ^ m;n = n ^ m; }mmset(dp,0);	//初始化 dp[1][0] = 1;for(int j = 1; j <= m; j++)		//状态转移 {for(int state = 0; state < (1 << n); state++){//对能达到的状态进行搜索,看该状态能不能达到其他状态;if(dp[j][state] > 0)	 {dfs(0,j,state,0);}}} printf("%lld\n",dp[m+1][0]);		//输出答案 }return 0;
} void dfs(int i,int j,int state, int next)
{if(i == n){/*注意dp[i][j]代表的含义,就知道为什么dp[j+1][next] += dp[j][state]*/dp[j+1][next] += dp[j][state];		return;								}else{if((state&(1 << i) )== 0)	//当该格子没被覆盖说明可以放一个1*2的木板 {dfs(i+1,j,state,next | (1<< i));}/*当该格子没被覆盖且它下面的格子也没被覆盖 说明可以当一个2*1的木板*/ if(i + 1 < n &&(state & (1 << i)) == 0 && (state & (1 << (i+1))) == 0)	{																		dfs(i+2,j,state,next);}if((state & (1 << i)) > 0)	//当该格子被覆盖时,说明这个格子什么都不能放 {dfs(i+1,j,state,next);}}
}

 

————————————————————————————————————————————————————

例题2:POJ 3254

可以发现这个题有如下特征,规模较小,每个方格只有两种状态,可以种玉米和不可以种玉米;

仍然考虑用状压dp;


定义状态:

定义状态dp[i][state]表示能到达第i行,且第i行的所有的种玉米和不种玉米的情况为state时的所有状态数。

种玉米代表1,不种玉米代表0;

分析这个状态定义,发现这个状态定义把整个问题分成了n个阶段(代表行数),并且这n个阶段遵循无后效性


状态转移:

当前阶段只受前一阶段的影响,当前阶段只能影响到后一阶段。所以状态转移就是把握住当前状态是如何影响后一

阶段的。在这个题中,我们会发现:

如果当前阶段的某列土地种了玉米,那么下个阶段的这列土地就不能种玉米。

另外,如果当前阶段某列土地的前一列土地种了玉米,那么这一列就不能再种玉米了。

需要注意的是,如果当前阶段的某一列可以种玉米,你可以有两种选择,种或不种。


按一个方向求解:

可以看出这个状态定义是按行数分了n个阶段,所以我们应该按照行数来进行求解,根据状态定义,结果是把最后

一行的所有可达到的状态的方法数加和即可。


代码如下:

#include<stdio.h>
#include<string.h>
#define mmset(a,b) memset(a,b,sizeof(a))const int INF = 1 << 12 + 5;
int   dp[15][INF];
int data[15][15];
int n,m;		//行列 /*
2 3
1 1 1
0 1 0
Sample Output
9
*//*
i代表当前行 
j代表当前列
state代表当前行(阶段)的状态 
next代表下一行(阶段)的可到达状态
flag代表是上一列是否种了玉米,如果种了玉米,flag =  1,否则等于0; 
*/ 
void dfs(int i,int j,int state,int next,int flag);int main()
{while(~scanf("%d%d",&n,&m)){for(int i = 1; i <= n; i++){for(int j = 0; j < m; j++){scanf("%d",&data[i][j]);}}mmset(dp,0);		//初始化 dp[0][0] = 1;	/*遍历每个阶段的所有可达到状态,并搜索这种状态所能到达所有状态 。这是状态转移的过程 */ for(int i = 0; i < n; i++)	{for(int state = 0; state < (1<<m); state++){if(dp[i][state] > 0){dfs(i,0,state,0,0);}}}int ans = 0;/*求解,对最后一行所有可达到的状态的方法数加和,并存在变量ans中; */ for(int state = 0; state < (1<<m); state++){if(dp[n][state] > 0){ans=(ans+dp[n][state])%100000000;}}printf("%d\n",ans);}	return 0;
}void dfs(int i,int j,int state,int next,int flag)
{if(j == m) {dp[i+1][next] = (dp[i+1][next] + dp[i][state])%100000000;}/*下面这段代码有点绕,可以种玉米是指客观条件,但种不种玉米是主观意愿。 */ else{//表示可以种玉米 if(data[i+1][j] == 1 && (state & (1<<j)) == 0 && flag== 0) {if(flag == 0||flag == 1)    //不种玉米 {dfs(i,j+1,state,next,0);}if(flag == 0)	//种玉米 {dfs(i,j+1,state,next | (1<<j),1);}}//不可以种玉米 else{dfs(i,j+1,state,next,0);}}
}

 

 

 

 

这篇关于状态压缩dp(状压dp)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1140121

相关文章

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

Flutter监听当前页面可见与隐藏状态的代码详解

《Flutter监听当前页面可见与隐藏状态的代码详解》文章介绍了如何在Flutter中使用路由观察者来监听应用进入前台或后台状态以及页面的显示和隐藏,并通过代码示例讲解的非常详细,需要的朋友可以参考下... flutter 可以监听 app 进入前台还是后台状态,也可以监听当http://www.cppcn

MySQL 中的服务器配置和状态详解(MySQL Server Configuration and Status)

《MySQL中的服务器配置和状态详解(MySQLServerConfigurationandStatus)》MySQL服务器配置和状态设置包括服务器选项、系统变量和状态变量三个方面,可以通过... 目录mysql 之服务器配置和状态1 MySQL 架构和性能优化1.1 服务器配置和状态1.1.1 服务器选项

linux进程D状态的解决思路分享

《linux进程D状态的解决思路分享》在Linux系统中,进程在内核模式下等待I/O完成时会进入不间断睡眠状态(D状态),这种状态下,进程无法通过普通方式被杀死,本文通过实验模拟了这种状态,并分析了如... 目录1. 问题描述2. 问题分析3. 实验模拟3.1 使用losetup创建一个卷作为pv的磁盘3.

Python利用PIL进行图片压缩

《Python利用PIL进行图片压缩》有时在发送一些文件如PPT、Word时,由于文件中的图片太大,导致文件也太大,无法发送,所以本文为大家介绍了Python中图片压缩的方法,需要的可以参考下... 有时在发送一些文件如PPT、Word时,由于文件中的图片太大,导致文件也太大,无法发送,所有可以对文件中的图

Java实现状态模式的示例代码

《Java实现状态模式的示例代码》状态模式是一种行为型设计模式,允许对象根据其内部状态改变行为,本文主要介绍了Java实现状态模式的示例代码,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来... 目录一、简介1、定义2、状态模式的结构二、Java实现案例1、电灯开关状态案例2、番茄工作法状态案例

通过prometheus监控Tomcat运行状态的操作流程

《通过prometheus监控Tomcat运行状态的操作流程》文章介绍了如何安装和配置Tomcat,并使用Prometheus和TomcatExporter来监控Tomcat的运行状态,文章详细讲解了... 目录Tomcat安装配置以及prometheus监控Tomcat一. 安装并配置tomcat1、安装

Linux之进程状态&&进程优先级详解

《Linux之进程状态&&进程优先级详解》文章介绍了操作系统中进程的状态,包括运行状态、阻塞状态和挂起状态,并详细解释了Linux下进程的具体状态及其管理,此外,文章还讨论了进程的优先级、查看和修改进... 目录一、操作系统的进程状态1.1运行状态1.2阻塞状态1.3挂起二、linux下具体的状态三、进程的

Qt实现文件的压缩和解压缩操作

《Qt实现文件的压缩和解压缩操作》这篇文章主要为大家详细介绍了如何使用Qt库中的QZipReader和QZipWriter实现文件的压缩和解压缩功能,文中的示例代码简洁易懂,需要的可以参考一下... 目录一、实现方式二、具体步骤1、在.pro文件中添加模块gui-private2、通过QObject方式创建