DP优化I(二分、单调队列)

本文介绍了动态规划在多种IT技术问题中的应用,如最长上升子序列、烽火传递中的信号优化、逆序对数列计数、滑动窗口问题以及修剪草坪的奶牛调度,展示了使用二分、树状数组、集合和单调队列等方法进行优化的实例。

记录一下各种dp的优化

A. 最长上升子序列

时间限制:1000 ms内存限制:128 MB类型:传统评测:文本比较上传者: sysulby

提交提交记录

题目描述

(LIS问题)给定一个序列,从中选取若干个数,使得这一组数组成上升子序列尽可能长,即对于所有的  满足  ,求这个序列的最长上升子序列的长度。

输入格式

第一行一个整数  表示序列的长度

接下来一行  个整数表示序列

输出格式

一行一个整数表示最长上升子序列的长度

样例
样例输入复制
5
1 5 1 2 4
样例输出复制
3
数据范围与提示

组成的数列为   ,不存在比这个更长的上升子序列

  • 对于  的数据, 

  • 对于  的数据,

二分优化

#include<bits/stdc++.h>
using namespace std;
int n,m;
int a[1000050],q[1000050],f[1000050],ans;
int main(){
	cin>>n;
	memset(q,0x3f,sizeof(q));
	for(int i = 1;i <= n;i++)cin>>a[i];
	for(int i = 1;i <= n;i++){
		int j = lower_bound(q+1,q+n+1,a[i])-q;
		j--;
		f[i] = j+1;
		ans = max(ans,f[i]); 
		if(a[i]<q[f[i]]) q[f[i]] =a[i];
	}
	cout<<ans;
	return 0;
} 

树状数组优化

#include<bits/stdc++.h>
using namespace std;
const int N = 1000000+1;
int a[N],b[N],nn;
int t[N];
int n,q;
int lowbit(int x){
	return x & (-x);
}
void add(int i ,int x){
	for(;i <= N;i+=lowbit(i)){
		t[i]=max(t[i],x);
	}
}
int getsum(int i){
	int  sum = 0;
	for(;i >0;i -=lowbit(i))sum = max(sum,t[i]);
	return sum;
}
map<int,int> pm;
int cnt;
int main(){
    int n;
    cin>>n;
    for(int i = 1;i <= n;i++){
    	cin>>a[i];
    	b[i] = a[i];
	}
	int res = 0;
	sort(b + 1, b + 1 + n);
    for(int i = 1;i <= n;i++){
    	if(i == 1||b[i]!= b[i-1]){
    		pm[b[i]] = ++cnt;
		}
	}
	for(int i = 1;i <= n;i++){
		int maxn = getsum(pm[a[i]]-1)+1;
		res = max(res,maxn);
		
单调队列优化是解决**多重背包问题**的高级方法,能够在 $ O(nW) $ 时间复杂度内完成求解,优于二进制优化的 $ O(nW \log m) $。它适用于物品数量较大但背包容量适中的场景。 --- ## ✅ 问题背景:多重背包 给定 $n$ 种物品,每种有: - 价值 $v_i$ - 重量 $w_i$ - 数量限制 $m_i$ 背包总容量为 $W$,求最大价值。 朴素 DP: 状态:`dp[j]` 表示容量为 `j` 时的最大价值 转移: ```cpp for (int k = 0; k <= m[i] && k * w[i] <= j; ++k) dp[j] = max(dp[j], dp[j - k*w[i]] + k*v[i]); ``` 时间复杂度:$O(n W m)$ → 太慢! 二进制优化:拆成 $\log m_i$ 个包 → $O(n W \log m)$ 而**单调队列优化可做到 $O(nW)$** --- ## ✅ 核心思想:按模分类 + 单调队列维护滑动窗口最大值 我们观察对第 $i$ 种物品的状态转移: 对于固定的 $i$ 和余数 $r = j \bmod w_i$,我们将所有容量 $j$ 按照 $j \equiv r \pmod{w_i}$ 分组。 在每一组中(即同余类),令: $$ j = r + t \cdot w_i $$ 则状态转移变为: $$ dp[r + t w_i] = \max_{k=0}^{\min(m_i, t)} \left\{ dp[r + (t-k) w_i] + k v_i \right\} $$ 变形得: $$ dp[r + t w_i] = \max_{k=0}^{\min(m_i, t)} \left\{ dp[r + (t-k) w_i] - (t-k)v_i \right\} + t v_i $$ 令: $$ f(t) = dp[r + t w_i] - t v_i $$ 那么: $$ dp[r + t w_i] = \max_{k=t-m_i}^{t} f(k) + t v_i $$ 👉 所以我们需要在长度为 $m_i + 1$ 的滑动窗口中维护 $f(t)$ 的最大值 → 可用**单调队列**实现! --- ## ✅ 算法步骤 1. 枚举每种物品 $(v_i, w_i, m_i)$ 2. 枚举余数 $r \in [0, w_i)$ 3. 在该余数类下,枚举 $t = 0,1,...,\lfloor(W - r)/w_i\rfloor$ 4. 维护一个双端队列,保存候选索引 $k$,使得对应的 $f(k) = dp[r + k w_i] - k v_i$ 单调递减 5. 队首始终是当前窗口内的最优决策点 6. 更新 `dp[r + t w_i]` --- ## ✅ 正确 C++ 实现(单调队列优化多重背包) ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 105; const int MAXW = 40005; int dp[MAXW]; int v[MAXN], w[MAXN], m[MAXN]; deque<int> dq; // 存储的是 t 值(倍数) int main() { ios::sync_with_stdio(false); cin.tie(nullptr); int n, W; cin >> n >> W; for (int i = 1; i <= n; ++i) { cin >> v[i] >> w[i] >> m[i]; } for (int i = 1; i <= n; ++i) { int vi = v[i], wi = w[i], mi = m[i]; if (wi == 0) { // 物品重量为0,直接累加价值 dp[0] += vi * mi; continue; } // 对每个余数类 r ∈ [0, wi) for (int r = 0; r < wi; ++r) { dq.clear(); // 枚举 t: 使得 j = r + t*wi <= W for (int t = 0; r + t * wi <= W; ++t) { int j = r + t * wi; int f_val = dp[j] - t * vi; // f(t) = dp[j] - t*vi // 维护单调递减队列:弹出队尾小于 f_val 的元素 while (!dq.empty() && dp[r + dq.back() * wi] - dq.back() * vi <= f_val) { dq.pop_back(); } dq.push_back(t); // 弹出超出数量限制的决策(超过 m_i 个) while (!dq.empty() && dq.front() < t - mi) { dq.pop_front(); } // 队首就是最优决策点 k if (!dq.empty()) { int best_t = dq.front(); dp[j] = dp[r + best_t * wi] + (t - best_t) * vi; } } } } cout << dp[W] << endl; return 0; } ``` --- ## ✅ 复杂度分析 - 外层循环:$n$ - 中间循环:$w_i$ 次(最多 $W$) - 内层循环:每个余数类中约 $W / w_i$ 次 - 总访问次数:$\sum_{i=1}^n w_i \cdot (W / w_i) = nW$ - 每个状态最多入队出队一次 → 均摊 $O(1)$ ✅ 总时间复杂度:$O(nW)$ ✅ 空间复杂度:$O(W)$ 比二进制优化更优,尤其当 $m_i$ 很大时优势明显。 --- ## ✅ 示例说明 假设: - 物品:$v=3, w=2, m=3$ - 当前 `dp` 初始为 `[0,0,0,0,0,0]`(W=6) 枚举余数 $r=0,1$ 对 $r=0$:考虑容量 $0,2,4,6$ 构建队列,维护最近 4 个决策(最多选3个,所以窗口大小=4) 通过单调队列快速找到最佳选取数量。 --- ###
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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