状态压缩DP——最短Hamilton路径
- 一、题目描述
- 二、思路分析
- 1、状态转移方程
- (1)状态表示——状态压缩
- (2)状态转移
- 2、循环和初始化
- (1)循环设计
- (2)初始化
- 三、代码实现
一、题目描述
二、思路分析
1、状态转移方程
(1)状态表示——状态压缩
这道题的的规模大小取决于图中的点数,所以我们状态表示中肯定有一个变量表示的是当前到达的点 j j j。但是,我们还需要知道,到达点 j j j的时候,经过了哪些点,这样做的目的是,防止漏掉一个点或者是重复走了某个点。
我们可以把每个点是否走过用0和1表示,如果走过就是1,没走过就是0,然后这些01组成一个二进制数,然后这个二进制数的十进位表示作为我们状态转移的第二个参数 i i i。
状态 i i i的二进制表示中,第0位表示0号点是否走过,第1位表示1号点是否走过,依次类推。
所以:
f
(
i
,
j
)
f(i,j)
f(i,j)表示到达点
j
j
j的时候,经过了数字
i
i
i所表达的状态中的点,所需要的最短路程。
(2)状态转移
f
[
i
]
[
j
]
=
m
i
n
(
f
[
i
]
[
j
]
,
f
[
i
−
(
1
<
<
j
)
]
[
k
]
+
w
[
k
]
[
j
]
)
f[i][j] = min(f[i][j], f[i - (1 << j)][k] + w[k][j])
f[i][j]=min(f[i][j],f[i−(1<<j)][k]+w[k][j])
转移方程中的:
i
−
(
1
<
<
j
)
i - (1 << j)
i−(1<<j)是为了保证不重复经过
j
j
j。
2、循环和初始化
(1)循环设计
根据我们的转移方程,我们发现,我们遇到的子问题是状态 [ i − ( 1 < < j ) ] [i - (1 << j)] [i−(1<<j)]。
也就是说我们需要提前算出这个状态下的值。
所以外循环是我们经过的点的状态 i i i,内层是 j j j。
如果我们反过来外层枚举 j j j,内层枚举状态 i i i。那么当我们的 k k k大于j的时候,此时的状态是没有被算出来的。所以这种枚举顺序是错误的。
(2)初始化
为了最小值,我们会将数组全初始化为正无穷。但是我们需要知道最小子问题的答案。那最小的子问题其实就是0号点到自身的路程,这个路程是0。
同时,由于经过了0号点,所以二进制的0号位是1,其余位置是0。
即
f
[
1
]
[
0
]
=
0
f[1][0]=0
f[1][0]=0
三、代码实现
#include<iostream>
#include<cstring>
using namespace std;
const int N=21,M=1<<N;
int f[M][N],g[N][N];
int main()
{
int n;
cin>>n;
for(int i=0;i<n;i++)
for(int j=0;j<n;j++)
cin>>g[i][j];
memset(f,0x3f,sizeof f);
f[1][0]=0;
for(int i=0;i<1<<n;i++)
{
for(int j=0;j<n;j++)
{
if(i>>j&1)
{
for(int k=0;k<n;k++)
{
if((i-(1<<j))>>k&1)
{
f[i][j]=min(f[i][j],f[i-(1<<j)][k]+g[k][j]);
}
}
}
}
}
cout<<f[(1<<n)-1][n-1]<<endl;
return 0;
}