动态规划要求已经求解的子问题不受后续阶段的影响,即无后效性。而在这种递推的实现方式中,后面枚举的状态可能更新前面已经枚举过的状态。也就是说,这种递推的实现方式是具有后效性的。
以这组数据为例
3
3
1 -1 1
0 1 -1
0 0 1
正解应为 \(3\) 次(\(111 \to 010 \to 100 \to 000\)) 。
而在递推时,\(100\) 在 \(010\) 之前被已被枚举,在 \(010\) 更新了 \(100\) 之后无法再通过 \(100\) 来得到目标状态 \(000\),便会得出 \(-1\)(无解)的错误答案。
//递推
#include <stdio.h>
#include <string.h>
#include <algorithm>
using std::min;
int m, n, a[110][10], f[1 << 10];
int main() {
scanf("%d%d", &n, &m);
for (int i = 1; i <= m; ++i) {
for (int j = 0; j < n; ++j) {
scanf("%d", &a[i][j]);
}
}
memset(f, 0x3f, sizeof(f));
f[(1 << n) - 1] = 0;
for (int i = (1 << n) - 1; i >= 0; --i) {
for (int k = 1; k <= m; ++k) {
int t = i;
for (int j = 0; j < n; ++j) {
if (a[k][j] == 1 && (i & (1 << j))) t ^= 1 << j;
if (a[k][j] == -1 && !(i & (1 << j))) t ^= 1 << j;
}
f[t] = min(f[t], f[i] + 1);
}
}
printf("%d", f[0] == 0x3f3f3f3f ? -1 : f[0]);
return 0;
}
对于该题,适合使用记忆化BFS的实现方式。用BFS来进行记忆化搜索的这种实现方式可能比较少见,其实只是对于状态的遍历顺序不同。由于BFS的特性,每个状态在第一次被扩展到时便得到最优解。
//记忆化BFS
#include <stdio.h>
#include <string.h>
#include <algorithm>
using std::min;
int m, n, head, tail, q[10000], a[110][10], f[1 << 10];
bool vis[1 << 10];
int main() {
scanf("%d%d", &n, &m);
for (int i = 1; i <= m; ++i) {
for (int j = 0; j < n; ++j) {
scanf("%d", &a[i][j]);
}
}
memset(f, 0x3f, sizeof(f));
f[(1 << n) - 1] = 0;
q[tail++] = (1 << n) - 1;
vis[(1 << n) - 1] = true;
while (head < tail) {
int cur = q[head++];
for (int i = 1; i <= m; ++i) {
int t = cur;
for (int j = 0; j < n; ++j) {
if (a[i][j] == 1 && (cur & (1 << j))) t ^= 1 << j;
if (a[i][j] == -1 && !(cur & (1 << j))) t ^= 1 << j;
}
if (vis[t]) continue;
vis[t] = true;
f[t] = f[cur] + 1;
q[tail++] = t;
if (t == 0) {
printf("%d", f[t]);
return 0;
}
}
}
printf("-1");
return 0;
}
当然,使用DFS+剪枝也可较为高效的解决该题。不过终究还是会重复遍历一些状态,比DP略慢。
标签:后效,BFS,洛谷,010,II,100,include,递推 From: https://www.cnblogs.com/znk161223/p/16589336.html