动态规划——状态压缩DP

本文探讨了如何使用状态压缩动态规划(DP)解决两类图论问题:棋盘分割成1×2长方形的方案计数和最短Hamilton路径。对于棋盘问题,通过将每列的状态用二进制表示,确保合法状态并进行状态转移来计算方案数。对于最短Hamilton路径,利用二进制数表示路径选择,通过状态转移找到从起点到终点的最短路径。这两个问题都展示了状态压缩DP在处理复杂问题时的有效性和灵活性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我所理解的状态压缩DP就是将所有状态用二进制数表示,然后根据前一个合法的二进制数表示的状态进行状态转移,得到最终答案。

蒙德里安的梦想
  • 题目描述

求把 N×M 的棋盘分割成若干个 1×2 的的长方形,有多少种方案。
例如当 N=2,M=4 时,共有 5 种方案。当 N=2,M=3 时,共有 3 种方案。

  • 分析

这道题的核心是要发现所有的情况之和横着放的小矩形的情况有关。当所有横着放的矩形确定以后,竖着放的小矩形只能从剩余的空间中塞进去。
所以可以考虑每一列,在每一列中有横着放或者前一列中横着放插过来的小矩形的行为1,没有的为0,则每一列可以表示成一个二进制的数,每个二进制数都表示一个状态。
然后需要考虑所有合法的情况,首先,前一列插过来的和本列横着放的小矩形不能在同一行,即j&k=0,此外,每一列连续的0的个数应该是偶数个,这样才能塞下剩余的竖着放的小矩形。

  • 代码
#include<bits/stdc++.h>
using namespace std;
const int N = 12,M = 1<<N;
long long f[N][M];
bool st[M];
int n,m;

int main()
{
    while(scanf("%d%d",&n,&m)&&(n||m)){
    //遍历找到所有符合第二种的合法情况。
        for(int i=0;i<1<<n;i++){
            int cnt = 0;
            st[i] = true;
            for(int j=0;j<n;j++){
                if(i>>j&1){
                    if(cnt&1)st[i] = false;
                    cnt = 0;
                }
                else cnt++;
            }
            if(cnt&1)st[i] = false;
        }
        //初始化,每次状态弄为0,f[0][0] = 1,表示第0列放0个矩形有1种情况。
        memset(f,0,sizeof(f));
        f[0][0] = 1;
        for(int i=1;i<=m;i++){
            for(int j=0;j<1<<n;j++){
                for(int k=0;k<1<<n;k++){
                    if((j&k)==0&&(st[j|k]))f[i][j] += f[i-1][k];
                }
            }
        }
        //最终答案为第m列没有外伸的情况。
        printf("%lld\n",f[m][0]);
    }
    
    return 0;
}
最短Hamilton路径
  • 题目描述

给定一张 n 个点的带权无向图,点从 0∼n−1 标号,求起点 0 到终点 n−1 的最短 Hamilton 路径。
Hamilton 路径的定义是从 0 到 n−1 不重不漏地经过每个点恰好一次。

  • DP分析

由于此题要走过所有点的最短路径,所以不能用前边学过的图论的算法,需要另辟蹊径。用f[i,j]表示从0走到j的所有路径的集合,其中j表示的是点的标号,i是一个二进制数,其从低到高某位上为1就表示取第该位对应的点。
因此,f[i,j] = min(f[i-1<<j,k]+w[k][j]。
最终得答案是所有点都取到即i=1<<n-1;

  • 代码
#include<bits/stdc++.h>
using namespace std;
const int N = 20,M = 1<<N;
int f[M][N],w[N][N];
int n;


int main()
{
    scanf("%d",&n);
    for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)scanf("%d",&w[i][j]);
    //初始化为最大值   
    memset(f,0x3f,sizeof(f)); 
    //从0出发,0到0路径为0
    f[1][0] = 0;
    for(int i=0;i<1<<n;i++)
        for(int j=0;j<n;j++)
            if(i>>j&1)
                for(int k=0;k<n;k++)
                    if((i-(1<<j))>>k&1)f[i][j] = min(f[i][j],f[i-(1<<j)][k]+w[k][j]);
    
    printf("%d",f[(1<<n)-1][n-1]);
    return 0;
}
要证明0-1整数规划问题是NPC问题,可以采用约简证明法,即将已知的NPC问题归约为0-1整数规划问题,证明该问题也是NPC问题。 首先,我们知道背包问题是NPC问题,即在有限的背包容量下,选取一些物品使得总价值最大。将背包问题约化为0-1整数规划问题如下: 设物品集合为S={1,2,...,n},物品i的重量为wi,价值为vi,背包容量为W。引入0-1变量xi表示是否选择物品i,即xi=0或1。则0-1整数规划问题可以表示为: max Σvi * xi s.t. Σwi * xi <= W xi ∈ {0,1} 可以看出,0-1整数规划问题是背包问题的一种特殊形式,因此0-1整数规划问题也是NPC问题。 然后,我们可以将背包问题约化为0-1整数规划问题的过程中,使用动态规划方法来解决问题。具体来说,可以使用状态压缩DP来解决0-1整数规划问题。状态压缩DP是一种将集合压缩为二进制数表示的动态规划方法,可以用来解决一些具有集合结构的问题,如背包问题、旅行商问题等。 在0-1整数规划问题中,可以使用状态压缩DP来表示选取物品的情况。假设当前背包容量为j,已经考虑了前i个物品,则可以使用一个二进制数表示当前选取的物品集合,即将第k位设为1表示选取了第k个物品,为0表示没有选取。则状态转移方程为: dp[i][j][S] = max(dp[i-1][j][S], dp[i-1][j-wi][S-vi] + vi) 其中,dp[i][j][S]表示考虑前i个物品,背包容量为j,集合状态为S时的最大价值;wivi分别表示第i个物品的重量价值;S-vi表示将第i个物品加入集合S后的新集合状态。 通过状态压缩DP的方法,可以在多项式时间内解决0-1整数规划问题,进一步证明了该问题是NPC问题。
评论 1
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

打赏作者

up-to-star

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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