7/8 每日刷题 递推求解(线性dp)

递推求解作为dp的一种特殊情况,递推求解可能不存在最优子结构,他的子结构只有一种情况。

递推求解更像思维题,也比较考验问题的分类方式。

hdu 2044 一只小蜜蜂... http://acm.hdu.edu.cn/showproblem.php?pid=2044

 

如果以F[]数组记录路线数的话,状态转移方程显而易见是F[i]=F[i-1]+F[i-2];这个不就是斐波那契数列嘛,预处理F数组,输出F[b-a]即可。

 

// Problem: 一只小蜜蜂...
// Contest: HDOJ
// URL: https://acm.hdu.edu.cn/showproblem.php?pid=2044
// Memory Limit: 65 MB
// Time Limit: 2000 ms
//
// Powered by CP Editor (https://cpeditor.org)

#include <bits/stdc++.h>

using namespace std;

long long f[55];

int main()
{
    f[1] = 1;
    f[2] = 2;
    for (int i = 3; i <= 50; i++)
    {
        f[i] = f[i - 1] + f[i - 2];
    }
    int t;
    cin >> t;
    while (t--)
    {
        int a, b;
        cin >> a >> b;
        printf("%lld\n", f[b - a]);
    }
}

hdu 2018 母牛的故事 http://acm.hdu.edu.cn/showproblem.php?pid=2018 

还是以一维数组f记录第几年时奶牛的总数,那么下一年的奶牛总数=今年的奶牛总数+新增的奶牛总数,新增的奶牛总数是今年已经成年的奶牛总数,小母牛在出生后的第四年那年成年,所以今年已经成年的奶牛总数是三年前的奶牛总数。

于是就有状态转移方程f[i]=f[i-1]+f[i-3],预处理输出对应f[n]即可~

#include<bits/stdc++.h>
using namespace std;

int f[55];
int main()
{
	f[1]=1;
	f[2]=2;
	f[3]=3;
	f[4]=4;
	for(int i=5;i<55;i++)
	{
		f[i]=f[i-1]+f[i-3];
	}
	int n;
	while(cin>>n,n)
	{
		printf("%d\n",f[n]);
	}
}

hdu 2045 不容易系列之(3)—— LELE的RPG难题 http://acm.hdu.edu.cn/showproblem.php?pid=2045

定义一维数组F[],以F[n]表示前n个格子合法的情况,考虑第一个和倒数第二个格子是否同色,如果不同色,那么最后一个格子的颜色一定固定了此时有F[n-1]中涂法,如果第一个格子和倒数第二个格子同色,那么最后一个格子可以选两种颜色,又由于第一个格子和倒数第二个格子颜色相同,所以倒数第三个格子的涂法与倒数第二个格子不存在时是一样的,那么此时就有2*f[n-2]种涂法,要注意的是,这两种情况只在格子数大于等于4时成立(从分析过程可以看出)

于是就有状态转移方程f[n]=f[n-1]+2*f[n-2] (n>=4)


// Contest: HDOJ
// URL: https://acm.hdu.edu.cn/showproblem.php?pid=2045
// Memory Limit: 65 MB
// Time Limit: 2000 ms
//
// Powered by CP Editor (https://cpeditor.org)

#include <bits/stdc++.h>

using namespace std;

long long f[55];

int main()
{
    f[1] = 3;
    f[2] = 6;
    f[3] = 6;
    for (int i = 4; i <= 50; i++)
    {
        f[i] = f[i - 1] + 2 * f[i - 2];
    }
    int t;
    while (cin >> t)
    {
        printf("%lld\n", f[t]);
    }
}

hdu 2046 骨牌铺方格 http://acm.hdu.edu.cn/showproblem.php?pid=2046

 方格的特点是,宽度固定为2,长度不定,定义一维数组f[],f[n]表示长度为n的方格铺满的方案数,我们考虑以方格右上角的正方形为分类依据,可以用一个竖着摆的骨牌覆盖这个正方形,其他方格的覆盖方式就是f[n-1],也可以用一个横着摆的骨牌覆盖这个正方形,那么它的下面一行没得选只能是横着摆一个骨牌,其他方格的覆盖方式就是f[n-2]。

所以状态转移方程就是f[n]=f[n-1]+f[n-2];


// Contest: HDOJ
// URL: https://acm.hdu.edu.cn/showproblem.php?pid=2045
// Memory Limit: 65 MB
// Time Limit: 2000 ms
//
// Powered by CP Editor (https://cpeditor.org)

#include <bits/stdc++.h>

using namespace std;

long long f[55];

int main()
{
    f[1] = 3;
    f[2] = 6;
    f[3] = 6;
    for (int i = 4; i <= 50; i++)
    {
        f[i] = f[i - 1] + 2 * f[i - 2];
    }
    int t;
    while (cin >> t)
    {
        printf("%lld\n", f[t]);
    }
}

### 什么是线性DP线性动态规划(Linear Dynamic Programming,简称线性DP)是动态规划的一种基本形式,其特点是状态的转移呈现线性结构,即状态之间的依赖关系是单向且连续的。通常,这类问可以通过一维或二维数组进行状态表示,并通过递推关系逐步求解线性DP常用于处理序列问,如最大子段和、最长上升子序列、数字三角形、传球游戏等。其核心思想是将原问拆解为多个子问,并通过状态转移方程将前面的结果传递给后续状态,从而避免重复计算,提高效率 [^1]。 ### 状态表示与状态转移动态规划中,状态表示是解决问的关键。线性DP中的状态通常具有以下特征: - **状态维度**:状态通常是一维或二维的,例如`dp[i]`表示以第`i`个元素结尾的最优解。 - **状态转移方式**:当前状态`dp[i]`往往依赖于前面的状态`dp[i-1]`或`dp[i-k]`,有时也可能依赖多个前驱状态,如`dp[i] = max(dp[i-1], dp[i-2])` [^4]。 例如,在最大子段和问中,状态表示为`dp[i]`表示以`a[i]`结尾的最大连续子段和,状态转移方程为: ```cpp dp[i] = max(dp[i-1] + a[i], a[i]) ``` 最终的最大子段和则是所有`dp[i]`中的最大值 [^4]。 ### 应用场景 线性DP广泛应用于以下问- **最大子段和**:给定一个整数序列,求其连续子序列的最大和。 - **最长上升子序列**:在一个序列中找出最长的严格递增子序列。 - **数字三角形问**:从三角形顶部到底部,每一步只能走到相邻节点,求路径的最大值。 - **传球游戏**:求从起点传球`k`次后回到起点的方案数。 - **乌龟棋**:使用不同类型的卡片前进,求能到达的最大分数。 例如,在数字三角形问中,可以使用二维DP进行求解: ```cpp #include <iostream> #include <algorithm> using namespace std; const int N = 510; int n, INF = 1e9; int a[N][N], f[N][N]; int main() { cin >> n; for (int i = 1; i <= n; i++) for (int j = 1; j <= i; j++) cin >> a[i][j]; for (int i = 0; i <= n; i++) for (int j = 0; j <= i + 1; j++) f[i][j] = -INF; f[1][1] = a[1][1]; for (int i = 2; i <= n; i++) for (int j = 1; j <= i; j++) f[i][j] = max(f[i - 1][j - 1] + a[i][j], f[i - 1][j] + a[i][j]); int res = -INF; for (int i = 1; i <= n; i++) res = max(res, f[n][i]); cout << res << endl; return 0; } ``` 该程序使用了线性DP的思想,通过状态转移逐步计算出每一层的最大路径和 [^3]。 ### 优化策略 线性DP在实际应用中可以通过以下方式进行优化: - **滚动数组优化**:当状态只依赖于前一层状态时,可以用一维数组代替二维数组,节省空间。 - **前缀和优化**:对于某些涉及区间和的问,可以预处理前缀和数组,从而减少重复计算。 - **单调队列/双端队列优化**:在特定条件下,如滑动窗口最值问中,可以利用单调队列优化状态转移过程 [^1]。 ###
评论
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