状态压缩DP常遇到的位运算的6种形式

本文详细介绍了六种位操作:左移(<<)、右移(>>)、位与(&)、位或(|)、位异或(^)及位反(~),并给出了具体的例子说明每种操作的作用及应用场景。

整理

位操作一共有6种形式:<<,>>,&,|,^,~;

1.左移操作符<<:左移操作符将整数的二进制向左移若干位,将最高若干位挤掉,并在低位补0

如:

int a=3;            //a=000000000000000000000000000000011=3
int b=a<<1;         //b=000000000000000000000000000000110=6
int c=a<<3;         //c=000000000000000000000000000001100=12

实际上:a<<1,a右移1位表示a*2,a<<m表示a*2^m

2.右移操作符>>:右移操作符将整数的二进制向右移若干位,将最低若干位挤掉,并在高位补0或者1

int a =10;         //a=000000000000000000000000000001010=10
int b = a>>1; //b=000000000000000000000000000000101=5 int c = a >> 2; //c=000000000000000000000000000000010=2

右移操作符就是不断的做除2^m的运算。

3.位与操作&:位与操作是将两个数的二进制的每一位左与操作:例如:

int a = 6, b = 10;
int c = a&b; //则 c = 2;
//(000000000000000000000000000000110)
 &(000000000000000000000000000001010)
//=000000000000000000000000000000010

4.位或操作符|:将两个整数二进制的每一位做或操作运算。

int a = 6, b = 10;
int c = a|b;         //则 c=14;
//(000000000000000000000000000000110)
 |(000000000000000000000000000001010)
//=000000000000000000000000000001110

5.位异或操作符^:将两个操作数每一位做异或操作(相同为0,不同为1)

int a = 6, b = 10;
int c = a^b;         //则 =12;
//(000000000000000000000000000000110)
 ^(000000000000000000000000000001010)
//=000000000000000000000000000001100

6位反操作~:将操作数的二进制每一位按位取反,0变为1,1变为0.

int a = 6;
int b = ~a; //b=-7
//b=~(000000000000000000000000000000110)
   =   11111111111111111111111111111001

位操作相对乘法快很多,将所有对2的乘法运算转换为位移运算,可提高程序的运行效率。在C/C++中还有一类复合的位运算符:&=、!=、>>=、<<=和^=

其实a&=b;等价于a=a&b;依次类推。

状压DP超详细教程:从入门到精通 状压DP状态压缩动态规划)是一种非实用的算法技巧,特别适合处理状态可以用二进制表示的问题。下面我将用最详细、最系统的方式讲解这个技术,保证你能彻底理解。 一、状压DP的本质 1.1 什么是状态压缩状态压缩的核心思想是:用二进制位来表示某种状态。比如: 有5个灯泡:可以用5位二进制数表示它们的开关状态 10101表示第1、3、5个灯亮,2、4灭 有8个任务是否完成:可以用8位二进制数表示 11001001表示第1、2、5、8个任务已完成 1.2 为什么需要压缩状态? 传统DP在表示某些状态时会遇到困难。例如: 棋盘放置问题:要记录哪些格子被占用 任务分配问题:要记录哪些任务已被分配 路径问题:要记录哪些点已经访问过 如果用传统数组表示,可能需要多维数组,空间复杂度爆炸。而用二进制压缩,一个整数就能表示复杂的状态。 二、状压DP的三大组成部分 2.1 状态表示 用一个整数的二进制形式表示状态: 每一位代表一个元素的状态(选中/未选中,存在/不存在等) 整数范围:0到2ⁿ-1(n是元素个数) 示例:3个物品的选择状态 000(0):都没选 001(1):选第1个 010(2):选第2个 011(3):选第1、2个 ... 111(7):全选 2.2 状态转移 定义如何从一个状态转移到另一个状态,通包括: 检查当前状态的某些位 根据条件修改某些位 生成新状态 2.3 DP数组设计 dp[state]或dp[state][i],其中: state是压缩后的状态 i可能是附加信息(如当前位置、已选数量等) 三、须精通的位运算技巧 3.1 基本操作 操作 代码表示 示例(假设8位二进制) 设置第i位为1 `state (1 << i)` `0010 (1<<2) → 0110` 设置第i位为0 state & ~(1 << i) 0110 & ~(1<<2) → 0010 切换第i位 state ^ (1 << i) 0110 ^ (1<<2) → 0010 检查第i位是否为1 (state >> i) & 1 (0110 >> 2) & 1 → 1 3.2 高级技巧 枚举所有子集: cpp for(int subset = state; subset; subset = (subset-1)&state){ // 处理subset } 最低位的1: cpp int lowbit = x & -x; 统计1的个数: cpp int count = __builtin_popcount(state); // GCC内置函数 六、状压DP的优化技巧 6.1 预处理合法状态 很多问题中,大部分状态是不合法的,可以预先筛选: cpp vector<int> valid_states; for (int state = 0; state < (1 << n); ++state) { if (check(state)) { // 检查state是否合法 valid_states.push_back(state); } } 6.2 滚动数组优化 当状态只依赖前一个阶段时,可以节省空间: cpp vector<vector<int>> dp(2, vector<int>(size)); // 只保留当前和上一个状态 int now = 0, prev = 1; for (int i = 1; i <= n; ++i) { swap(now, prev); for (auto& state : valid_states) { dp[now][state] = 0; // 清空当前状态 // 状态转移... } } 6.3 记忆化搜索实现 有时递归形式更直观: cpp int memo[1<<20][20]; // 记忆化数组 int dfs(int state, int u) { if (memo[state][u] != -1) return memo[state][u]; // 递归处理... return memo[state][u] = res; } 七、见问题与调试技巧 7.1 见错误 位运算优先级:总是加括号,如(state & (1 << i)) 数组越界:状态数是2ⁿ,不是n 初始状态设置错误:比如TSP中dp[1][0] = 0 边界条件处理不当:如全选状态是(1<<n)-1,不是1<<n 7.2 调试建议 打印中间状态:将二进制状态转换为可视化的形式 cpp void printState(int state, int n) { for (int i = n-1; i >= 0; --i) cout << ((state >> i) & 1); cout << endl; } 从小规模测试用例开始(如n=3,4) 使用assert检查关键假设 八、学习路线建议 初级阶段: 练习基本位操作 解决简单状压问题(如LeetCode 464、526题) 中级阶段: 掌握经典模型(TSP、棋盘覆盖) 学习优化技巧(预处理、滚动数组) 高级阶段: 处理高维状压(如需要同时压缩多个状态) 结合其他算法(如BFS、双指针) 九、实战练习题目推荐 入门题: LeetCode 78. Subsets(理解状态表示) LeetCode 464. Can I Win(简单状压DP) 中等题: LeetCode 526. Beautiful Arrangement LeetCode 691. Stickers to Spell Word 经典题: POJ 2411. Mondriaan's Dream(棋盘覆盖) HDU 3001. Travelling(三进制状压) 挑战题: Codeforces 8C. Looking for Order Topcoder SRM 556 Div1 1000. LeftRightDigitsGame2 记住,掌握状压DP的关键在于: 彻底理解二进制状态表示 熟练运用位运算 通过大量练习培养直觉 希望这份超详细的教程能帮助你彻底掌握状压DP!如果还有任何不明白的地方,可以针对具体问题继续深入探讨。 请帮我转成markdown语法输出,谢谢
最新发布
08-13
### 状态压缩与动态规划或DFS在PTA平台的应用 #### 状态压缩动态规划简介 状态压缩动态规划是一种特殊的动态规划形式,适用于解决具有离散状态空间的问题。当问题的状态可以用二进制位表示时,可以利用整数来编码这些状态,从而减少内存消耗并提高效率[^1]。 对于某些特定类型的题目,比如涉及图遍历或者集合覆盖等问题,如果直接使用规的方法可能会遇到维度灾难的情况,而采用状态压缩的方式则能够有效地降低复杂度。例如在一个有N个节点的地图上寻找最短路径,可以通过位运算记录已经访问过的城市集合,并将其作为DP数组的一部分索引来实现优化求解过程[^3]。 #### 动态规划实例分析 以《团体程序设计天梯赛》中的某道模拟题为例,该类问题通不需要考虑最优解而是验证给定方案的有效性。这里的关键在于如何定义合适的状态以及状态之间的转移关系。假设存在一个无向连通图G=(V,E),其中V代表顶点集,E为边集;现在需要判断一条给定序列是否构成了一条有效路径——即这条路径上的每一个结点都恰好被走过一次而且相邻两结点之间确实有一条连接它们的道路。 为了高效处理这类查询请求,可以在初始化阶段构建邻接矩阵adj[][],用来存储各个顶点间是否存在直接相连的关系;接着引入布尔型辅助函数isValidPath(path[])用于检测path所描述的一系列动作能否形成满足条件的行走路线: ```cpp bool isValidPath(vector<int>& path){ int n=path.size(); vector<bool> visited(N,false); // N是总的顶点数目 for(int i=0;i<n;++i){ if(i>0 && !adj[path[i-1]][path[i]]) return false; // 检查当前步是否可行 if(++visited[path[i]]==2) return false; // 判断重复访问情况 } return accumulate(visited.begin(),visited.end(),true,bit_and<>()); // 所有点都被访问过? } ``` 此段代码片段展示了怎样运用简单的逻辑操作配合预先准备的数据结构快速完成合法性校验工作。 #### DFS算法及其变种应用案例 深度优先搜索(Depth First Search)作为一种基本的图探索策略同样广泛应用于各种编程竞赛场景之中。特别是在面对那些允许回溯调整决策方向的任务场合下显得尤为有用。考虑到时间性能因素的影响,在实际编写过程中往往会对标准版DFS做出适当修改以便更好地适应具体需求特点。 举例来说,《牛客寒假算法基础集训营》里的“内卷”一题就巧妙地结合了数据结构调整技巧同贪心思想共同作用于解决问题之上。其核心思路是在每次迭代更新全局变量best_ans之前先尝试局部范围内尽可能多地消除不利影响因子,然后再基于剩余部分继续深入挖掘潜在可能性直至找到最终答案为止。 另外值得注意的是,在一些情况下还可以借助记忆化技术进一步提升执行速度,即将曾经计算得出的结果保存下来供后续调用参考之需,以此避免不要的重复劳动浪费资源开销。
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