动态规划 多重部分和 最长上升子序列 划分数 多重集组合数
来源:互联网 发布:广播软件app排行 编辑:程序博客网 时间:2024/05/06 05:59
一.题意
给定整数a1、a2、.......an,每种数各mi个,判断是否可以从中选出若干数,使它们的和恰好为K。
二.解法
2.1 暴力解法
代码如下
int n;//数列长度int K;//目标和数int a[MXN];//值int m[MXN];//个数bool dp[MXN+1][MXK+1];int Fun(){ dp[0][0]=1; for(int i=0;i<n;++i) for(int j=0;j<=K;++j) for(int k=0;k<=m[i]&&k*a[i]<=j;++k) dp[i+1][j]|=dp[i][j-k*a[i]]; return dp[n][K];}
2.2 优化解法
代码如下
void Fun(){ memet(dp,-1,sizeof(dp)): dp[0]=0; for(int i=0;i<n;++i) for(int j=0;j<=K;++j) if(dp[j]>=0) dp[j]=m[i]; else if(j<a[i]||dp[j-a[i]]<=0) dp[j]=-1; else dp[j]=dp[j-a[i]]-1; return dp[K]>=0;}
二.最长上升子序列
1.暴力解法
代码
void Fun(){ int res=0; for(int i=0;i<n;++i){ dp[i]=1; for(int j=0;j<i;++j)if(a[j]<a[i]){ dp[i]=max(dp[i],dp[j]+1); } res=max(res,dp[i]); } return res;}
2.优化解法
int Fun(){ fill(dp,dp+n,INF); for(int i=0;i<n;++i) *lower_bound(dp,dp+n,a[i])=a[i]; return lower_bound(dp,dp+n,INF)-dp;}
Tips:lower_bound的高级用法
三.划分数
题意:有n个无区别的物品,将它们划分成不超过m组,称为n的m划分,求出划分方法
int Fun(){ dp[0][0]=1; for(int i=1;i<=m;++i) for(int j=0;j<=n;++j) if(j-i>=0) dp[i][j]=dp[i-1][j]+dp[i][j-i] else dp[i][j]=dp[i-1][j]; return dp[m][n];}
四.多重集组合数
n种物品,第i种有ai个,不同种类的物品可以互相区分,相同种类不能区分,从这些物品取出m个.有多少种方法
int Fun(){ for(int i=0;i<=n;++i) dp[i][0]=1; for(int i=0;i<n;++i) for(int j=1;j<=m;++j) if(j-1-a[i]>=0) dp[i+1][j]=dp[i+1][j-1]+dp[i][j]-dp[i][j-1-a[i]]; else dp[i+1][j]=dp[i+1][j-1]+dp[i][j]; return dp[n][m];}
- 动态规划 多重部分和 最长上升子序列 划分数 多重集组合数
- 动态规划(01背包、完全背包、多重部分和、LCS、LIS、划分数、多重集组合数)
- 多重集组合数(动态规划(DP))
- HHU暑期第四弹——动态规划入门(01背包+完全背包+多重背包+最长上升子序列和公共子序列)
- 多重集组合数
- 多重集组合数
- 多重集组合数
- 多重集组合数
- 多重集组合数
- 【动态规划基础篇】【矩阵取数/最大字段和/最长公共子序列(LCS)/编辑距离/最长上升子序列(LIS)】
- 动态规划 多重部分和
- 多重集组合数DP
- 多重集组合数 dp
- 多重集组合数-DP
- 多重集组合数问题
- 动态规划:最长上升子序列
- 动态规划-最长上升子序列LIS
- 动态规划求最长上升子序列
- Web服务及实现方法(一)
- java Thread 源码分析
- class.forname().newInstance() 和 class.forname()
- 《UNIX环境高级编程》笔记--getrlimit和setrlimit函数
- hadoop+hive+LAMP开发环境
- 动态规划 多重部分和 最长上升子序列 划分数 多重集组合数
- Ibatis多表查询
- Mahout算法集
- 自定义风格的SeekBar
- 旋转(Rotation)手势
- #error # ifndef的作用
- 矩阵,Z形矩阵,S形矩阵,回形矩阵的java实现
- Servlet容器是如何工作的
- Hadoop MapReduce之作业初始化