动态规划学习

1、背包DP

  • 01 01 01背包:枚举物品然后枚举体积,体积从大到小枚举更新 f [ j ] = m a x ( f [ j ] , f [ j − w ] + v ) f[j]=max(f[j],f[j-w]+v) f[j]=max(f[j],f[jw]+v).
  • 完全背包:枚举物品然后枚举体积,体积从小到大枚举更新 f [ j ] = m a x ( f [ j ] , f [ j − w ] + v ) f[j]=max(f[j],f[j-w]+v) f[j]=max(f[j],f[jw]+v).
  • 多重背包(物品有 k k k个):枚举物品后,二进制方式枚举物品件数。体积从大到小枚举,更新: f [ j ] = m a x ( f [ j ] , f [ j − k ∗ w ] + k ∗ v ) f[j]=max(f[j],f[j-k*w]+k*v) f[j]=max(f[j],f[jkw]+kv).最后判断剩余 s s s是否大于0,如果大于0再做一遍 01 01 01背包。
  • 混合背包(前三种混合体):有限个物品则用多重背包方式优化做,无限物品则完全背包做。
  • 分组背包(每个组只能选1个):一维方法:先枚举体积后枚举物品,且体积枚举从大到小同时需要枚举到0。二维方法先枚举物品再枚举体积,体积也从大枚举到小需要枚举到0.
  • 依赖背包(树形背包):状态定义 f [ u ] [ i ] f[u][i] f[u][i] u u u为根节点的子树中 i i i体积最多可以获得的价值,需要通过回溯再继续更新 f [ u ] [ j ] = m a x ( f [ u ] [ j ] , f [ u ] [ j − k ] + f [ v ] [ k ] ) f[u][j]=max(f[u][j],f[u][j-k]+f[v][k]) f[u][j]=max(f[u][j],f[u][jk]+f[v][k]).每次递归需要预处理出 f [ u ] [ i ] f[u][i] f[u][i]的值。更新先枚举总体积 j j j从大到小枚举 [ V , w e i [ u ] + w e i [ v ] ] [V,wei[u]+wei[v]] [V,wei[u]+wei[v]].然后枚举分配到子节点的体积 [ w e i [ v ] , u − w e i [ u ] ] [wei[v],u-wei[u]] [wei[v],uwei[u]].

2、线性DP

  • 数字三角形模型
    • 朴素版:只能从上走下来和从左边走过来 f [ i ] [ j ] = m a x ( f [ i ] [ j − 1 ] , f [ i − 1 ] [ j ] ) + w [ i ] [ j ] f[i][j]=max(f[i][j-1],f[i-1][j])+w[i][j] f[i][j]=max(f[i][j1],f[i1][j])+w[i][j].
    • 走的方块数量限制:曼哈顿距离 ( 1 , 1 ) − > ( n , n ) (1,1)->(n,n) (1,1)>(n,n) 2 n − 2 2n-2 2n2.所以考虑是不是走的最短路
    • 走两条路:状态定义 f [ k ] [ i ] [ j ] f[k][i][j] f[k][i][j]表示路径的长度为 k k k,第一条路径到达 x 1 = i x_1=i x1=i,第二条路径到达 x 2 = j x_2=j x2=j的方案数。因此状态转移: f k , i , j = m a x { f k − 1 , i , j , f k − 1 , i − 1 , j , f k − 1 , i , j − 1 , f k − 1 , i − 1 , j − 1 + w } f_{k,i,j}=max\{ f_{k-1,i,j},f_{k-1,i-1,j},f_{k-1,i,j-1},f_{k-1,i-1,j-1}+w \} fk,i,j=max{fk1,i,j,fk1,i1,j,fk1,i,j1,fk1,i1,j1+w}
    • 两条路径不能交叉,实际证明按上面的方式做就可以,上面的最优情况是可以变成不经过重复路线。
  • 最长上升子序列模型
    • 最长公共子序列: O ( n 2 ) O(n^2) O(n2),方程: f [ i ] [ j ] = m a x ( f [ i − 1 ] [ j ] , f [ i ] [ j − 1 ] ) f[i][j]=max(f[i-1][j],f[i][j-1]) f[i][j]=max(f[i1][j],f[i][j1]),如果 a [ i ] = = b [ i ] , f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − 1 ] + 1 ) a[i]==b[i],f[i][j]=max(f[i][j],f[i-1][j-1]+1) a[i]==b[i],f[i][j]=max(f[i][j],f[i1][j1]+1)
    • 最长公共子串: O ( n 2 ) O(n^2) O(n2),方程: f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − 1 ] ) f[i][j]=max(f[i][j],f[i-1][j-1]) f[i][j]=max(f[i][j],f[i1][j1]).
    • 最长上升子序列:
      • 方式1: O ( n 2 ) O(n^2) O(n2),状态 f [ i ] f[i] f[i]表示前 i i i个数的最长上升子序列长度,更新:从 j ∈ [ 1 , i ) j \in[1,i) j[1,i)找到每一个 a [ j ] < = a [ i ] a[j]<=a[i] a[j]<=a[i]更新 f [ i ] = m a x ( f [ i ] , f [ j ] + 1 ) f[i]=max(f[i],f[j]+1) f[i]=max(f[i],f[j]+1).
      • 方式2: O ( n l o g n ) O(nlogn) O(nlogn),用一个列表存储一个上升子序列,当 a [ i ] > s [ − 1 ] a[i]>s[-1] a[i]>s[1]时将 a [ i ] a[i] a[i]加入到 s s s中,小于时,二分查找 s s s列表找到第一个大于等于 a [ i ] a[i] a[i]的值用 a [ i ] a[i] a[i]替换掉。

3、状压DP

  • TSP问题:定义状态 f [ i ] [ j ] f[i][j] f[i][j]表示当前已近到达的状态为 i i i,最后到达的城市是 j j j,基本的状态转移方程为: f [ i ] [ j ] = m i n ( f [ i ] [ j ] , f [ i ′ ] [ k ] + d [ j ] [ k ] ) f[i][j] = min(f[i][j],f[i'][k]+d[j][k]) f[i][j]=min(f[i][j],f[i][k]+d[j][k]),基于当前的状态 i i i枚举前一个状态 i ′ i' i,每次尝试更新从 i ′ i' i i i i,其中 i ′ i' i状态最后到达的是 k k k节点,然后更新是从 k k k走到 j j j。时间复杂度 O ( n 2 ∗ 2 n ) O(n^2*2^n) O(n22n)这里的 n n n的大小一般小于等于 18 18 18.
  • 状压一般就是枚举两个状态,当前状态和能够影响当前状态的前一状态,通过前一状态转移到当前状态。状态之间的转移一般比较容易。

4、数位DP

  • 数位 D P DP DP基本可以套板子,主要问题就是考虑前导0是否影响答案,也就是考虑 023 023 023 23 23 23的区别有没有。下面是通用的板子。其他参数只有 t o t a l total total是需要被考虑的。 i s _ l i m i t is\_limit is_limit表示的是达到了上线的数字。 i s _ n u m is\_num is_num是表示是否是非0的数字

  • from functools import lru_cache
    @lru_cache(maxsize=None)
    l,r = map(int,input().split())
    def f(s,i,total,is_limit,is_num,res=0):if i==len(s):return total #是否符合条件# 如果023和23有区别则需要处理前导0if not is_num:res += f(s,i+1,0,False,False)up = int(s[i]) if is_limit else 9for d in range(1-int(is_num),up+1):res += f(s,i+1,total+某个值,is_limit and d==up,True)return res
    print(f(str(r),0,0,True,False)-f(str(l-1),0,0,True,False))
    # 如果计算f(r)和f(l-1)时会有关联可以计算一个后清空cache
    f.cache_clear()
    

5、树型DP

  • 求树的最大权值:类似于求最大子段和,只不过在树上,每次递归的时候先初始化 f [ u ] = a [ u ] f[u]=a[u] f[u]=a[u],然后递归 u u u节点的每一个子节点,回溯的时候进行更新 i f f [ v ] > 0 : f [ u ] + = f [ v ] if \ f[v]>0:f[u]+=f[v] if f[v]>0:f[u]+=f[v]
  • 求树的直径:第一次从根节点 d f s dfs dfs递归到一个深度最大的节点 s s s,然后以 s s s以根节点递归都得一个最大深度的节点 p p p,那么节点 s s s p p p就是树的直径。递归每个节点的儿子节点时遇到父节点跳过。
  • 树型 D P DP DP的基本思路是递归的开始进行预处理,然后枚举根节点的每个儿子节点,对儿子节点进行递归,回溯的时候再进行更新。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/24443.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

java(kotlin)和 python 通过DoubleCloud的kafka进行线程间通信

进入 DoubleCloud https://www.double.cloud 创建一个kafka 1 选择语言 2 运行curl 的url命令启动一个topic 3 生成对应语言的token 4 复制3中的配置文件到本地&#xff0c;命名为client.properties 5 复制客户端代码 对python和java客户端代码进行了重写&#xff0c;java改成…

websocket php workerman 服务器nginx配置wss协议

首先 Nginx的版本要高&#xff0c;尽量用当前最新稳定版本。 其次 WSS协议&#xff0c;是在HTTPS协议的基础上&#xff0c;进行协议升级&#xff0c;进行通讯的&#xff0c;所以先要保证你有一个 HTTPS正常的WEB站点。 所以&#xff0c;通过Nginx -V 请保证 一定有 --with-ht…

【TensorFlow深度学习】使用TensorFlow构建马尔可夫决策过程模型

使用TensorFlow构建马尔可夫决策过程模型 使用TensorFlow构建马尔可夫决策过程模型&#xff1a;决策分析的深度实践一、马尔可夫决策过程简介二、TensorFlow准备三、定义MDP模型参数四、构建状态值函数模型五、迭代更新值函数六、策略提取与决策结语 使用TensorFlow构建马尔可夫…

【ArcGIS微课1000例】0119:TIFF与grid格式互相转换

文章目录 一、任务描述二、tiff转grid三、grid转tif四、注意事项一、任务描述 地理栅格数据常用TIFF格式和GRID格式进行存储。TIFF格式的栅格数据常以单文件形式存储,不仅存储有R、G、B三波段的像素值,还保存有地理坐标信息。GRID格式的栅格数据常以多文件的形式进行存储,且…

国产操作系统上给麒麟虚拟机安装virtualbox增强工具 _ 统信 _ 麒麟 _ 中科方德

原文链接&#xff1a;国产操作系统上给麒麟虚拟机安装virtualbox增强工具 | 统信 | 麒麟 | 中科方德 Hello&#xff0c;大家好啊&#xff01;昨天给大家带来了一篇在国产操作系统上给VirtualBox中的Win7虚拟机安装增强工具的文章&#xff0c;今天我们将继续深入&#xff0c;介绍…

ORA-12541:TNS:没有监听器

"ORA-12541: TNS: 没有监听器" 是 Oracle 数据库连接时可能遇到的错误。这个错误通常表示客户端尝试连接到的数据库监听器未在目标主机上运行或未配置正确。解决这个问题的方法通常涉及以下步骤&#xff1a; 1.确保监听器在运行 确保数据库服务器上的 Oracle 监听器…

如何在 C# 中轻松从 HTML 中提取纯文本

一.介绍 处理 HTML 内容通常需要提取纯文本以进行处理、分析或显示&#xff0c;而不会产生 HTML 标记的杂乱。在本博客中&#xff0c;我们将探索一种简单而有效的方法&#xff0c;即使用 C# 中的正则表达式 (Regex) 来剥离 HTML 标记并将 HTML 实体解码为纯文本。此技术在读取…

ForceMode应用力的不同模式

1. ForceMode.Force 解释: 这种模式下&#xff0c;力被持续应用&#xff0c;类似于施加一个恒定的加速度。应用场景: 适用于需要不断施加力的情况&#xff0c;如推动物体。公式: F m * a&#xff08;质量*加速度&#xff09;效果: 施加的力会被乘以 Time.deltaTime&#xff0…

Plotly : 超好用的Python可视化工具

文章目录 安装&#xff1a;开始你的 Plotly 之旅基本折线图&#xff1a;简单却强大的起点带颜色的散点图&#xff1a;数据的多彩世界三维曲面图&#xff1a;探索数据的深度气泡图&#xff1a;让世界看到你的数据小提琴图&#xff1a;数据分布的优雅展现旭日图&#xff1a;分层数…

虚拟机与windows文件同步

如果上图中不能设置&#xff0c;则在虚拟机mnt文件夹执行以下命令&#xff1a;

项目质量保证措施(Word原件)

一、 质量保障措施 二、 项目质量管理保障措施 &#xff08;一&#xff09; 资深的质量经理与质保组 &#xff08;二&#xff09; 全程参与的质量经理 &#xff08;三&#xff09; 合理的质量控制流程 1&#xff0e; 质量管理规范&#xff1a; 2&#xff0e; 加强协调管理&…

超详解——Python模块文档——小白篇

目录 1. Unix起始行 示例&#xff1a; 2. 对象和类型 示例&#xff1a; 3. 一切都是对象 示例&#xff1a; 4. 理解对象和引用 示例&#xff1a; 5. 理解对象和类型 示例&#xff1a; 6. 标准类型 示例&#xff1a; 7. 其他内建类型 示例&#xff1a; 8. 类型的类…

【乐吾乐2D可视化组态编辑器】在线使用,快速入门

一、在线使用 乐吾乐2D可视化组态编辑器地址&#xff1a;https://2d.le5le.com/ 二、步骤 本教程将带领你快速体验2D可视化编辑器的全流程开发。 1.创建图纸 进入2d编辑器主界面后&#xff0c;主界面最中心为图纸面板&#xff0c;默认为空图纸&#xff0c;在界面左侧为组…

数仓SQL如何做code review?

第一步应该是先明确需求&#xff0c;明确完需求以后在进行开发&#xff0c;接着code review 在明确HiveSQL、SparkSQL的编写需求后&#xff0c;接下来将详细介绍代码审查&#xff08;Code Review&#xff09;时的一些关键注意点&#xff1a; 1. 关联关系 left join 和 join …

AI魔法相机:实时3D重建与场景魔法化

一、产品概述 AI魔法相机是一款创新的硬件产品,它结合了AI技术和3D重建扫描技术,能够实时捕捉并重建3D场景和物理世界。用户只需通过简单的点击操作,即可捕捉现实物体或环境,并将其无缝融合到任何场景中,创造出全新的想象现实。 二、核心功能 实时捕捉:一键式操作,迅速…

用例与用例之间的三种关系:泛化、包含、扩展

UML用例图&#xff08;Use Case Diagrame)&#xff0c;是UML图的一种&#xff0c;主要用来描述角色及角色与用例之间的连接关系。 1.泛化 当多个用例共有一种类似的结构和行为时。能够将他们的共性抽象成为父用例&#xff0c;其它的用例作为泛化关系的子用例。箭头指向父用例…

优先队列的实现:基于最小堆的 Java 实现

优先队列是一种重要的数据结构&#xff0c;与普通队列不同&#xff0c;它每次从队列中取出的是具有最高优先级的元素。本文将介绍如何使用最小堆来实现优先队列&#xff0c;并提供详细的 Java 代码示例和解释。 什么是优先队列&#xff1f; 优先队列是一种抽象数据类型&#…

使用Aspose技术将Excel/Word转换为PDF

简介&#xff1a;本文将介绍如何使用Aspose技术将Excel文件转换为PDF格式。我们将使用Aspose-Cells-8.5.2.jar包&#xff0c;并演示Java代码以及进行测试。 一、Aspose技术概述 Aspose是一款强大的文档处理库&#xff0c;支持多种编程语言&#xff0c;如Java、C#、Python等。…

关于 spring boot 的 目录详解 和 配置文件 以及 日志

目录 配置文件 spring boot 的配置文件有两种格式&#xff0c;分别是 properties 和 yml&#xff08;yaml&#xff09;。这两种格式的配置文件是可以同时存在的&#xff0c;此时会以 properties 的文件为主&#xff0c;但一般都是使用同一种格式的。 格式 properties 语法格…

小程序中用于跳转页面的5个api是什么?区别

小程序中用于跳转页面的5个API及其区别如下&#xff1a; wx.navigateTo(options) 功能&#xff1a;保留当前页面&#xff0c;跳转到应用内的某个页面&#xff0c;使用wx.navigateBack可以返回到原页面。特性&#xff1a;可以打开新的页面&#xff0c;新页面可以是tabBar页面&a…