多重部分和问题 DP

这题是挑战程序设计竞赛上的。

题意:

n个不同的数字,每个有xi个,要恰好组成k这个数是否可能.

如果单纯用dp[i][j]表示前i种数,和为j是否可能,那么转移方程就是:

dp[i][j]=dp[i][j]||dp[i-1][j-k*a[i]]  k=min(j/a[i],x[i])

复杂度为O(n^3)

如果利用多重背包二进制的思想把数字按照个数分成其他数字,则可以将复杂度降为O(n^2lg(n))

但是这个题是可以做到O(n^2)的。

具体方法是定义状态dp[i][j]表示前i种数,和恰好为j时剩余最多a[i]的数量。也就是说前面我们在推dp[i][j]时,只用到了dp[i-1][k]的值,但是其实在计算q<j 的dp[i][q]时,就已经用到了一些a[i],所以在计算dp[i][j]的时候还是只使用前面的dp[i-1][k]是低效的,有一些重复计算,那么我们这样记录状态可以让转移方程利用dp[i][q]的值。

状态转移

dp[i][j]=x[i];(dp[i-1][j]>0)
dp[i][j]=dp[i][j-a[i]]-1;(dp[i][j-a[i]]>0)
dp[i][j]=-1;(dp[i][j-a[i]]<=0)

看到转移方程于是可以变为一维。

代码。

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn = 105;
const int maxk = 100005;
int dp[maxn][maxk]; //dp[i][j]表示前i个数 恰好和为j时 第i个数最多剩多少.
int f[maxk];
int main()
{
    freopen("in.txt","r",stdin);
    int n,a[maxn],x[maxn],k;
    scanf("%d%d",&n,&k);
    for(int i=1;i<=n;i++)
      scanf("%d%d",&a[i],&x[i]);
    memset(f,-1,sizeof(f));
    f[0]=0;
    for(int i=1;i<=n;i++)
     for(int j=0;j<=k;j++)
     {
       if(f[j]>=0) f[j]=x[i];
       else if(j<a[i]||f[j-a[i]]<0) f[j]=-1;
            else f[j]=f[j-a[i]]-1;
     }
    if(f[k]>=0) cout<<"YES\n";
    else cout<<"NO\n";
    return 0;
}


### 动态规划的类型与常见模板 动态规划是一种解决多阶段决策过程优化问题的方法,其核心在于将复杂的问题分解成更简单的子问题并存储这些子问题的结果以避免重复计算。以下是常见的动态规划类型及其对应的模板。 #### 一维动态规划 在一维动态规划中,通常只涉及单一维度的状态表示。这种类型的动态规划适用于线性结构的数据集,比如数组或字符串。 状态定义:`dp[i]` 表示前 `i` 个元素满足某种条件的最佳结果。 转移方程:`dp[i] = opt(dp[j]) + cost(i, j)`,其中 `opt` 是取最大值或者最小值的操作[^1]。 **代码模板** ```python n = len(nums) dp = [0] * (n + 1) for i in range(1, n + 1): dp[i] = max(dp[i - 1], nums[i - 1] + dp[i - 2]) print(dp[n]) ``` --- #### 多维动态规划问题涉及到多个变量的变化时,就需要引入多维动态规划。例如二维矩阵上的路径寻找问题。 状态定义:`dp[i][j]` 可能代表从起点到 `(i,j)` 这一点的最大/最小代价或其他属性。 转移方程:`dp[i][j] = min/max(dp[i-1][j], dp[i][j-1]) + grid[i][j]`[^3]。 **代码模板** ```python m, n = len(grid), len(grid[0]) dp = [[float('inf')] * n for _ in range(m)] dp[0][0] = grid[0][0] for i in range(m): for j in range(n): if i > 0: dp[i][j] = min(dp[i][j], dp[i-1][j] + grid[i][j]) if j > 0: dp[i][j] = min(dp[i][j], dp[i][j-1] + grid[i][j]) print(dp[m-1][n-1]) ``` --- #### 背包问题 背包问题是经典的动态规划应用之一,主要分为以下几种: 1. **0-1 背包问题**: 每种物品最多选一次。 状态定义:`dp[i][v]` 表示从前 `i` 种物品中选出若干件放入容量为 `v` 的背包所能获得的最大价值。 转移方程:`dp[i][v] = max(dp[i-1][v], dp[i-1][v-w[i]] + val[i])`。 2. **完全背包问题**: 每种物品可无限次选择。 转移方程:`dp[v] = max(dp[v], dp[v-c[i]] + w[i])`,注意这里的循环方向是从低到高[^2]。 3. **多重背包问题**: 每种物品有限制数量的选择次数。 解决方法可以通过二进制拆分转化为 0-1 背包来处理。 **代码模板(0-1 背包)** ```python N, W = map(int, input().split()) weight = list(map(int, input().split())) value = list(map(int, input().split())) dp = [0] * (W + 1) for i in range(N): for j in range(W, weight[i]-1, -1): dp[j] = max(dp[j], dp[j-weight[i]] + value[i]) print(dp[W]) ``` --- #### 序列 DP 序列 DP 主要用于处理字符串匹配、最长公共子序列等问题。这类问题的核心是对两个序列进行逐位比较,并记录中间结果以便后续利用。 状态定义:`dp[i][j]` 表示第一个串的前 `i` 项第二个串的前 `j` 项之间的最优关系。 转移方程:如果当前字符相等,则继承上一步的结果加上贡献;如果不相等,则尝试跳过其中一个字符继续比较。 **代码模板(LCS 最长公共子序列)** ```python def lcs(s1, s2): m, n = len(s1), len(s2) dp = [[0]*(n+1) for _ in range(m+1)] for i in range(1, m+1): for j in range(1, n+1): if s1[i-1] == s2[j-1]: dp[i][j] = dp[i-1][j-1] + 1 else: dp[i][j] = max(dp[i-1][j], dp[i][j-1]) return dp[m][n] ``` --- #### 区间 DP 区间 DP 常见于石子合并类题目,特点是需要枚举区间的长度以及左端点位置来进行状态更新。 状态定义:`dp[l][r]` 表示 `[l,r]` 这一段内的最佳解法。 转移方程:对于每一个可能的分割点 `k`,分别考虑左边部分右边部分如何组合得到全局最优解。 **代码模板** ```python def stone_game(stones): N = len(stones) prefix_sum = [0] * (N+1) for i in range(N): prefix_sum[i+1] = prefix_sum[i] + stones[i] dp = [[0]*N for _ in range(N)] for length in range(2, N+1): # 枚举区间长度 for left in range(N-length+1): # 枚举左边界 right = left + length - 1 dp[left][right] = float('inf') for k in range(left, right): total = prefix_sum[right+1] - prefix_sum[left] dp[left][right] = min(dp[left][right], dp[left][k] + dp[k+1][right] + total) return dp[0][N-1] ``` ---
评论
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