Mondriaan's Dream
题目来源:
http://acm.hunnu.edu.cn/online/?action=problem&type=show&id=10710&courseid=38
题目大意:给一个h*w(1<=h,w<=11)的矩形,用1*2的小矩形去完全覆盖此大矩形且不能重叠,问一共有多少种覆盖方法?
题目分析:此题一直在纠结着我,直到今天才把它AC。
题目的方法其实思路很简单,就是典型的状态压缩的动态规划,按行进行状态压缩,因为当前行的状态只取决于上一行的状态。每一个小的方格用1和0来表示放与不放,整个一行用一个数s来表示,第几个方格的摆放情况与s中相应的二进制位的值一一对应。
状态转移方程:设f(i,s)表示行i-1的状态为s时覆盖的方法数,则:
f(i,s)=sum{f(i+1,s’)},其中s'为第i行的状态
最终答案即为:sum{f(1,s),s为第0行状态} (h*w为偶数)
首先1*2的小矩形的摆放有两种方式:可以横着,也可以竖着。如果是横着,就对应的两位都为1;如果是竖着,当前处理这一个小方格用0表示,但下一行的相应位置必须为1,即说明如果上一行对应的位置为0,则决定了本行的对应位置只能为1;但如果是1,则本行可以为1,也可以为0;
其次,当h*w为奇数时,显然答案为0。
算法步骤:
1.首先预处理第0行的所有状态,并保存所有的合法状态于数组state[]中,这通过一个
dfs()即可完成,时间复杂度为O(w*(2^w))。
2.然后按照状态转移方程,书写DP,其中也需要按照上一行的状态来枚举当前行的状态,也 同样是用一个dfs2()就能搞定。
此题的关键在于:明白算法的思路,然后想方设法去实现即可。
附代码:
#include <iostream>
#include <memory.h>
#include <cstdio>
using namespace std;
const int maxn = 13;
typedef __int64 lld;
lld h,w;
lld state[1<<maxn],tail,head;
lld f[maxn][1<<maxn];//f(i,j)表示第i-1行的状态为j时会有f(i,j)种方法
void dfs(lld s,lld k)
{
if(k==w)
{//检查这种状态是否合理
lld i;
for(i=0;i<w;i++)
{
if((s&(1<<i))==0) continue;
else
{
if((s&(1<<(i+1)))==0) break;
else i++;
}
}
if(i>=w) {state[tail++]=s;}
return ;
}
//扩展左儿子
dfs(s,k+1);
//扩展右儿子
dfs(s|(1<<k),k+1);
}
void dfs2(lld s,lld k,lld *a,lld &t)
{
if(k==w) {a[t++]=s;return;}
for(lld i=k;i<w;i++)
{
if(s&(1<<i)) {dfs2(s,i+1,a,t);break;}
else
{
if(s&(1<<(1+i))) {dfs2(s,i+2,a,t);break;}
dfs2(s,i+1,a,t);
dfs2(s|(1<<i)|(1<<(i+1)),i+2,a,t);
break;
}
}
}
lld dp(lld row,lld s)
{
if(row==h)
{
int k;
if(s==(1<<w)-1) k=1;
else k=0;
return f[row][s]=k;
}
if(f[row][s]!=-1) return f[row][s];
lld sum=0;
lld s1=(~s)&((1<<w)-1);
lld q[1<<maxn],h=0,t=0;
dfs2(s1,0,q,t);
for(h=0;h<t;h++)
{
//cout<<q[h]<<endl;
sum+=dp(row+1,q[h]);
}
return f[row][s]=sum;
}
int main()
{
while(scanf("%I64d%I64d",&h,&w),h||w)
{
if(h*w&1) {cout<<0<<endl;continue;}
if(h==1||w==1) {cout<<1<<endl;continue;}
head=tail=0;
dfs(0,0);//预处理第一行的所有状态
lld sum=0;
memset(f,-1,sizeof(f));
for(head=0;head<tail;head++)
{
//cout<<state[head]<<endl;
sum+=dp(1,state[head]);
}
//cout<<sum<<endl;
printf("%I64d\n",sum);
}
return 0;
}
分享到:
相关推荐
状态压缩动态规划是一种结合了状态压缩技术和动态规划思想的有效算法设计方法,在解决组合优化问题时具有独特的优势。本文将从“状态压缩动态规划浅谈.pdf”这一材料出发,深入探讨状态压缩动态规划的基本概念、原理...
### 信息学奥赛中的状态压缩动态规划 #### 引言 随着信息技术的快速发展,信息学奥林匹克竞赛(简称信息学奥赛)所涉及的问题范围越来越广,不仅包括计算机科学的基础知识,还涵盖了数学、逻辑等多个领域的挑战性...
### 状态压缩动态规划详解 #### 一、引言 在计算机科学领域,尤其是在算法设计与分析中,**动态规划**是一种重要的技术手段,用于解决许多优化问题。然而,在面对某些特定类型的组合优化问题时,传统的动态规划...
树型动态规划和状态压缩动态规划 树型动态规划是动态规划的一种特殊形式,它将问题分解成许多子问题,每个子问题都是一个树形结构。树型动态规划的关键是将问题分解成小规模的子问题,并使用 memoization 或 ...
状态压缩动态规划是一种重要的编程技巧,特别是在解决组合优化问题时有着广泛的应用。本文将基于给定文件中的描述和部分案例,深入探讨状态压缩动态规划的基本概念、局限性及其解决策略,特别是通过“迷宫改造”这一...
树型动态规划和状态压缩动态规划.pdf
陈丹琦_基于连通性状态压缩的动态规划问题
这些操作能够以极低的代价完成复杂的操作,使得状态压缩动态规划的实现更加高效。 值得注意的是,虽然状态压缩类动态规划在很多问题上都显得非常有用,但其适用性需要根据问题的特点来确定。特别是那些数据规模在一...
陈丹琦的《基于连通性状态压缩的动态规划问题》深入探讨了如何将动态规划与连通性状态压缩相结合,以更高效地解决特定类型的题目。 动态规划是一种自底向上的解决问题方法,它将一个大问题分解为多个小问题,通过...
基于连通性状态压缩的动态规划问题是指一类特殊的状态压缩动态规划问题,其核心在于状态中需要记录若干个元素之间的连通信息。这类问题通常出现在数据规模较小的情况下,特别是当数据规模的一维或几维非常小时。例如...
动态规划是求解最优化问题的一种方法;动态规划虽然空间复杂度...另外,也收录了解决NP问题小规模求解中,优于搜索的状态压缩动态规划。 关键词:动态规划优化,四边形不等式,斜率优化,单调队列,状态压缩动态规划。
### 状态压缩动态规划知识点详解 #### 一、状态压缩动态规划概述 状态压缩动态规划是一种结合了状态压缩技术和动态规划思想的算法方法。它主要用于解决具有特定结构的问题,特别是那些涉及状态空间较大但可以通过...
3.徐持衡《浅谈几类背包题》 8.徐源盛《对一类动态规划问题的研究》 背包九讲Pack ...树型动态规划和状态压缩动态规划 算法导论第15章-动态规划 最长公共子序列和字符串相似度 最大矩阵连乘次数(最小连乘变形)
状态压缩类型的动态规划是一种在解决特定问题时,通过精巧地表示状态来减少...总的来说,状态压缩动态规划在解决广场铺砖问题时,通过巧妙地表示和转换状态,有效地减少了计算资源的消耗,使得大范围内的问题变得可行。
总的来说,状态压缩动态规划的关键在于高效地表示和操作状态,以及正确地设计状态转移方程。通过合理利用位操作,可以显著减少空间占用,提高算法效率。对于这类问题,通常需要深入理解问题特性,以便找到合适的压缩...
状态压缩类型动态规划.ppt