当前位置:   article > 正文

DP动态规划入门(数字三角形、破损的楼梯、安全序列)_动态规划dp

动态规划dp

一、动态规划(DP)简介

动态规划(Dynamic Programming,简称DP)是运筹学的一个分支,它是一种通过将复杂问题分解成多个重叠的子问题,并通过子问题的解来构建整个问题的解的算法。在动态规划中,有几个核心概念需要理解:

  1. 状态:状态通常表示为形如dp[i][j] = val的取值,其中i和j是用于描述和确定状态所需的变量(下标),而val则是该状态对应的值。
  2. 状态转移:状态转移描述了不同状态之间如何相互转化。这通常可以表示为一个数学表达式,而转移的方向则决定了算法是迭代还是递归地进行。
  3. 最终状态:最终状态即题目所要求解的状态,也是我们通过动态规划算法最终要得到的答案。

动态规划的关键在于找到子问题之间的重叠关系,并存储这些子问题的解以避免重复计算。通过这种方式,动态规划能够在多项式时间内解决一些看似复杂的问题,如背包问题、最短路径问题等。在实际应用中,动态规划被广泛用于优化和控制问题,以及计算机视觉、生物信息学等领域。

二、动态规划的解题步骤

步骤一:确定状态

首先,需要明确问题的状态表示。在动态规划问题中,状态通常定义为“到第i个为止,xx为j(xx为k)的方案数/最小代价/最大价值”等。这里,“i”、“j”和可能的“k”是状态的参数,它们根据具体问题而定。状态的确切定义取决于问题的性质和所需优化的目标(如最小代价、最大价值或方案数)。

步骤二:确定状态转移方程

状态转移方程是动态规划的核心,确定状态转移方程,即从已知状态得到新状态的方法,并确保按照这个方向一定可以正确地得到最终状态。根据状态转移的方向来决定使用迭代法还是递归法(记忆化)。状态转移方程的确立通常基于问题的特定条件和约束。

步骤三:确定最终状态并输出

最终状态通常是问题的解所对应的状态。在确定了状态转移方程后,我们需要按照这个方程迭代或递归地计算出所有可能的状态,直到达到最终状态。最终状态可能是通过迭代法逐步累积得到,也可能是通过递归法(结合记忆化以避免重复计算)逐步回溯得到。一旦到达最终状态,我们就可以根据问题的要求输出相应的解,如最小代价、最大价值或特定条件下的方案数。

综上所述,这三个步骤——确定状态、确定状态转移方程和确定最终状态并输出——构成了动态规划求解问题的一般框架。在实际应用中,根据具体问题的不同,这些步骤的具体实现方式也会有所不同。

三、线性DP例题

(一)数字三角形(最大路径)

上图给出了一个数字三角形。从三角形的顶部到底部有很多条不同的路径对于每条路径,把路径上面的数加起来可以得到一个和,你的任务就是找到最大的和(路径上的每一步只可沿左斜线向下或右斜线向下走)。
输入描述
输入的第一行包含一个整数 N(1 ≤ N < 100),表示三角形的行数。
下面的 N 行给出数字三角形。数字三角形上的数都是 0 至 99 之间的整数。
输出描述
输出一个整数,表示答案。
输入样例

5 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5

输出样例

30

思路:

  • 从最后一层向上,取最大值累加。
  • 确定状态:设状态dp[ i ][ j ] = a[ i ][ j ] + max(dp[ i + 1 ][ j ], dp[ i + 1 ][ j + 1 ]);
  • 状态转移方程为dp[i][j]=max(dp[i+1][j],dp[i +1][j + 1]) ;
  • 因为这里需要用下面的状态更新上面的,所以我们应该从下往上进行状态转移。最后输出dp[1][1]

解法一:自下而上 

  1. #include<bits/stdc++.h>
  2. using namespace std;
  3. using ll = long long;
  4. const int N = 105;
  5. ll a[N][N], dp[N][N];
  6. int main()
  7. {
  8. int n; cin >> n;
  9. for (int i = 1; i <= n; ++i)
  10. for (int j = 1; j <= i; j++)
  11. cin >> a[i][j];
  12. for (int i = n; i >= 1; i--)
  13. for (int j = 1; j <= i; j++)
  14. dp[i][j] = a[i][j] + max(dp[i + 1][j], dp[i + 1][j + 1]);
  15. cout << dp[1][1] << '\n';
  16. return 0;
  17. }

解法二:自上而下

  1. #include<bits/stdc++.h>
  2. using namespace std;
  3. const int N = 105;
  4. int a[N][N], f[N][N];
  5. int n, INF = 1e9;
  6. int main()
  7. {
  8. cin >> n;
  9. for (int i = 1; i <= n; i++)
  10. for (int j = 1; j <= i; j++)cin >> a[i][j];
  11. for (int i = 0; i <= n; i++)
  12. for (int j = 0; j <= i; j++)f[i][j] = -INF;
  13. f[1][1] = a[1][1];
  14. for (int i = 2; i <= n; ++i)
  15. for (int j = 1; j <= i; ++j)
  16. f[i][j] = max(f[i - 1][j - 1], f[i - 1][j]) + a[i][j];
  17. int res = -INF;
  18. for (int i = 1; i <= n; i++)res = max(res, f[n][i]);
  19. cout << res;
  20. return 0;
  21. }

(二)破损的楼梯(方案数)

问题描述:
小蓝来到了一座楼梯前,楼梯共有N级台阶。从第0级台阶出发,小蓝每次可以迈上1级或2级台阶。但是,楼梯上的第a1级、第a2级、第a3级,以此类推,共M级台阶的台阶面已经坏了,不能踩。

小蓝想要到达楼梯的顶端,即第N级台阶,且不能踩到坏台阶。请问他有多少种到达顶端的方案数?由于方案数可能很大,请输出结果对10^9+7取模的值。

样例输入

6 1 3

样例输出

4

思路:

  • 确定状态:状态dp[ i ]表示走到第 i 级台阶的方案数。
  • 确定状态转移方程:在正常的楼梯上,我们可以从第i - 1级台阶或第i - 2级台阶走到第 i 级台阶,因此状态转移方程为dp[ i ] = dp[ i-1 ]+dp[ i - 2 ]。
  • 然而,如果第 i 级台阶是破损的,则不能走到该台阶,此时我们需要将dp[ i ]设为0。
  • 最后我们输出dp[ n ],表示走到第 n 级台阶的方案数
  1. #include<bits/stdc++.h>
  2. using namespace std;
  3. const int p = 1e9 + 7;
  4. int n, m;
  5. int main()
  6. {
  7. cin >> n >> m;
  8. vector<int>dp(n + 1, 1);int temp = 0;
  9. for (int i = 1; i <= m; i++)
  10. {
  11. cin >> temp;
  12. dp[temp] = 0;
  13. }
  14. for (int i = 2; i <= n; i++)
  15. {
  16. if (!dp[i])continue;
  17. dp[i] = (dp[i - 1] + dp[i - 2]) % p;
  18. }
  19. cout << dp[n] << '\n';
  20. return 0;
  21. }

(三)安全序列(方案数)

问题描述

小蓝是工厂里的安全工程师,他负责在工厂里安全地放置危险品油桶。工厂的空位排列成一条直线,共有n个空位。小蓝需要按照特定的规则在这些空位上放置油桶:每两个油桶之间至少需要k个空位隔开。现在,小蓝想知道有多少种不同的放置方案可以满足这些条件。由于可能的方案数非常大,输出结果需要对10^9 + 7取模。

输入格式

输入包含两个正整数n和k,分别表示空位的数量和每两个油桶之间至少需要的空位数。

输出格式

输出一个整数,表示满足条件的放置方案数对10^9 + 7取模的结果。

样例输入

4 1

样例输出

6

说明

在样例中,有4个空位,每两个油桶之间至少需要1个空位。可能的放置方案有6种,分别是:0000(不放任何油桶),1000,0100,0010,0001和1001(其中1表示放置油桶,0表示不放)。注意,这里的方案数已经对10^9 + 7取模。

评测数据规模

对于所有评测数据,1 ≤ n ≤ 10^9,1 ≤ k ≤ n-1。

思路:

首先,我们定义dp[i]为在前i个空位中放置油桶的方案数。然后,我们需要计算前缀和数组prefix。对于每个位置i,prefix[i]表示从位置0到位置i为止的所有放置方案数的总和。

ll dp[N], prefix[N];

循环遍历判断每个位置之前没有足够的空间放置另一个油桶 。

如果当前位置减去k再减1小于1,则dp[ i ]为1。

否则,dp[ i ]的值等于前缀和数组在( i - 1 - k )位置的值。

  1. if (i - k - 1 < 1)dp[i] = 1;
  2. else dp[i] = prefix[i - 1 - k];

设状态dp[ i ]表示以位置i结尾的方案总数,状态转移方程:dp[i] = \sum_{j=1}^{i-k-1}dp[j]

但是直接去求和肯定会超时,所以我们需要利用前缀和来优化时间复杂度(注意取模)。

prefix[i] = (prefix[i - 1] + dp[i]) % p;

计算到当前位置为止,包括所有符合条件的放置方案数的总和。 

  1. #include<bits/stdc++.h>
  2. using namespace std;
  3. using ll = long long;
  4. const ll N = 1e6 + 9, p = 1e9 + 7;
  5. ll dp[N], prefix[N];
  6. int main()
  7. {
  8. int n, k; cin >> n >> k;
  9. dp[0] = prefix[0] = 1;// 初始化dp和prefix数组的第0项为1,表示空序列的方案数为1
  10. for (int i = 1; i <= n; ++i)// 遍历1到n,计算每个位置的dp值和前缀和
  11. {
  12. if (i - k - 1 < 1)dp[i] = 1;
  13. // 如果当前位置减去k再减1小于1,则dp[i]为1
  14. // 说明在当前位置之前没有足够的空间放置另一个油桶,
  15. // 因此在这种情况下,只能选择不放置油桶,所以'dp[i]'被设为'1'
  16. else dp[i] = prefix[i - 1 - k];
  17. // 否则,dp[i]的值等于前缀和数组在(i-1-k)位置的值
  18. // 这表示从位置'0'到位置'i-k-1'的所有放置方案数。
  19. // 这样做是因为每两个油桶之间需要至少'k'个空位,
  20. // 因此'dp[i]'实际上继承了在'i-k-1'位置及之前能放置油桶的所有方案。
  21. prefix[i] = (prefix[i - 1] + dp[i]) % p;
  22. // 计算到当前位置为止,包括所有符合条件的放置方案数的总和,并将结果模上'p'以防溢出。
  23. }
  24. cout << prefix[n] << '\n';
  25. return 0;
  26. }

今天就先到这了!!!

看到这里了还不给博主扣个:
⛳️ 点赞☀️收藏 ⭐️ 关注!

你们的点赞就是博主更新最大的动力!
有问题可以评论或者私信呢秒回哦。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/641774
推荐阅读
相关标签
  

闽ICP备14008679号