标签:个数 二维 状态 color 规模 blog com 标准 ++
现在有一个旅行商,在一个国家做生意。这个国家有N(2 <= N <= 15)个城市,城市之间有单行道可以通行,每条路都有相应的路费(0 <= d(I,j) <= 1000)。现在旅行商要从0号城市出发,经过所有的城市,最后回到0号城市。要求所花的路费最小。保证这些道路能构成一个环(可以一笔画)。
给出一张带权有向有环图,用邻接矩阵表示,d(i,j)表示ij两个节点之间边的权值,INF表示没有边。要求从0号节点出发,经过每一个节点后正好回到0号节点,问经过边的总权值最小是多少。
看到这道题,你的第一反应是不是暴力呀?嗯,很正常当时我也是这么想的。那我们不妨就来思考一下怎么暴力?其实呀,暴力就是一个全排列问题。把除0号节点外的所有节点全排列一遍,然后排除那些根本走不通的方案,最后在剩下的方案中找最小的花费。
嗯。这种方案不是不行,时间复杂度是O((n-1)!),在这里n最大是15,那最坏情况下的计算次数是87,178,291,200。超出了int的表示范围。但是这样还是可以骗分的。
其实这个问题是NP难问题。不能在多项式时间内进行求解。但是这种问题是可以用DP的思路来求解的。我们定义一个集合S,表示已经走过的节点的集合,定义集合V表示所有节点。再有v表示当前的节点。定义dp[S][v] 表示已走过节点为S,当前节点为v时,从v出发,经过~S的节点回到0号节点的最小花费。现在定义u表示下一步要走到的节点,。
可以得到递推式
我们发现,在dp这个数组中有一个维度是表示状态的集合。但我们又知道,数组的下标必须是整数,那怎么办呢?
我们发现,一个节点要么在,要么不再S集合中。那么n个节点就可以表示成:“在、不在、在、不在S集合中”。再利用计算机二进制存储的特性,我们就可以把这种状态压缩到一个整数当中。而且我们发现N <= 15,也就是说这个表示状态的整数最大不过,就是65535,保证内存hold住。这种方法叫做状态压缩。
状压完了,就要开始DP了。DP最重要的条件是什么?最有子结构。这里的子结构一定是最优的(参见01背包的推导方法)。问题是怎么保证子结构呢?假设有两个压缩后的状态i,j,当时,i <= j。这就保证了一定能用循环求解。代码是这样的:
int dp[1 << MAX_N][MAX_N]; //DP数组 void solve() { //初始化 for (int S = 0; S < 1 << n; ++S) for (int i = 0; i < n; ++i) dp[S][i] = INF; dp[(1 << n) - 1][0] = 0; //DP for (int S = (1 << n) - 2; S >= 0; S--) { for (int v = 0; v < n; ++v) { for (int u = 0; u < n; ++u) { //遍历u if (!(S >> u & 1)) //没有访问过 dp[S][v] = min(dp[S][v], dp[S | 1 << u][u] + d[v][u]); } } } cout << dp[0][0] << endl; }
现在来解释一下。
我们先假设S确定,来解释一下里面的循环。v循环是标准的DP循环,也可以参考01背包的解释。
u循环的意思是遍历当当前节点是v时,下一步的走法。这时候你可能会产生疑问,为什么没有判断v u之间有没有边。因为如果v u之间没有边,那v u之间的距离就是INF,是不会被min选中的。
min判断的前面表示不选u节点作为下一步,后面表示往后走一步。其实就是找最小值。自己理解一下。
然后我们来理解一下S循环。你可能会产生疑问,为什么S要逆序。01背包逆序是要防止数据的覆盖,但是这本来就是二维数组,不存在这种问题。
要解释这个问题,我们就要先回顾一下动态规划的基本思路,就是有小规模的问题合并成大规模的问题。那什么是小规模的问题?是吗?当然不是,如果的话,就是一个点也没有走,这应该是最后要求解的答案(回顾一下dp[S][v]的定义)。规模最小的问题应该是已经走过了其他所有的点,就差一步就回到0号节点的状态,就是(1 << n) – 2。因为已知dp[V][0]=0,所以这种DP是可行的。
标签:个数 二维 状态 color 规模 blog com 标准 ++
原文地址:https://www.cnblogs.com/Iuppiter/p/12208687.html