usaco Money Systems

最新推荐文章于 2018-08-31 12:10:04 发布

zhdshr

最新推荐文章于 2018-08-31 12:10:04 发布

阅读量360

点赞数

分类专栏： usaco解题想法文章标签： usaco

本文链接：https://blog.youkuaiyun.com/zhdshr/article/details/48212149

版权

usaco解题想法专栏收录该内容

14 篇文章

订阅专栏

本文深入探讨了动态规划中状态方程的构建与优化，通过对比两个方程，揭示了循环顺序的重要性，并强调了定义dp数组含义的必要性。通过实例分析，阐述了如何避免方案数重复计数，最终总结了在解决动态规划问题时的通用策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先看一个状态方程

dp【i】+=dp【i-value【i】】

钱总和为i的方案数等于所有钱总和为(i-某一个面值的)的方案数。

对不对呢？

仅从表面上来看是不对的，因为有可能产生重复，例如dp【4】【1】和dp【4】【2】可能都包含了1+2+1和1+1+2。

下面对比着我们写另一种

dp【i】【sum】=dp【i-1】【sum-value[i]】+dp【i-1】【sum】

含义是用前i种面值的钱来组合sum种类数等于（用i-1种凑出sum和用i-1凑出sum-value【i】的种类数和）

这样如果不存在相同的面值，那么方案数也不会重复。

把这个方程简化

dp【sum】=dp【sum】+dp【sum-value【i】】

你会发现这个与上面的方程一样啊

问题出在循环次序

必须要先枚举种类在枚举和

换句话来总结思考dp问题时由于问题大都具有两种参数所以二维递推数组是必不可少的，简化的工作应该在写出二维后完成。

必须严格定义dp【】【】的含义才能确保正确性。

   dp[0]=1;
   for(j=0;j<v;j++)
    {
          for(i=value[j];i<=n;i++)
        {
            if(i>=a[j])
              dp[i]+=dp[i-value[j]];
        }
    }