author: Marcythm, partychicken, Xeonacid
优化 dp 时,不止可以从转移过程入手,加速转移。有时,也可以从状态定义入手,通过改变设计状态的方式实现复杂度上的优化。
令人比较头疼的是,这类优化大多不具有通用性,即不能很套路地应用于多个题目中。因此,下文将从具体例题出发,力求提供思路上的启发,希望可以对读者有一定帮助。
"题面" 给定两个长度分别为 n,m 且仅由小写字母构成的字符串 A,B, 求 A,B 的最长公共子序列。(n≤106,m≤103)
您一眼秒了它,这不是板子吗?
定义状态 fi,j 为 A 的前 i 位与 B 的前 j 位最长公共子序列,则有
fi,j={max(fi−1,j,fi,j−1)fi−1,j−1+1,Ai=Bj,Ai=Bj
上述做法的时间复杂度 O(nm),无法通过本题。
我们仔细一想,发现了一个性质:最终答案不会超过 m。
我们又仔细一想,发现 LCS 满足贪心的性质。
更改状态定义 fi,j 为与 B 前 i 位的最长公共子序列长度为 j 的 A 的最短前缀长度(即将朴素做法的答案与第一维状态对调)
可以通过预处理 A 的每一位的下一个 a,b,⋯,z 的出现位置进行 O(1) 的顺推转移。
复杂度 O(m2+26n),可以通过本题。
"题面" 给定一个 n 个点的无权有向图,判断该图是否存在哈密顿回路。(2≤n≤20)
看到数据范围,我们考虑状压。
设 fs,i 表示从点 1 出发,仅经过点集 s 中的点能否到达点 i。记 g 为原图的邻接矩阵。则有
fs,i=j∈s,j=i⋁fs∖{i},j∧gj,i(i∈s)
时间复杂度 O(n2×2n),写得好看或许能过,但是并不优美。
上面的状态设计中,每个 dp 值只代表一个 bool 值,这让我们觉得有些浪费。
我们可以考虑对于每个状态 s 将 fs,1,fs,2,…,fs,n 压成一个 int,发现我们可以将邻接矩阵同样压缩后进行 O(1) 转移。
时间复杂度 O(n2/w×2n), 可以通过这道题,其中 w 为 int 的位数。