铺瓷砖问题 (状态压缩动态规划)

Posted PK算法

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了铺瓷砖问题 (状态压缩动态规划)相关的知识,希望对你有一定的参考价值。


作者: Phill King

邮箱: phillking1982@163.com

原创文章,转载请注明出处。

问题简单描述:

在一个N行M列的格子里,我们现有1*2大小的瓷砖,可以横着或者竖着铺。问一共有多少种方案,可以将整个N*M的空间都填满。

示例:

N=2 ,M=4   一共5种方案

N = 2,M = 3;一共3种方案

铺瓷砖问题 (状态压缩动态规划)

问题分析:

1. 因为每块瓷砖的面积是2,所以总面积M*N必须是偶数才能铺满。如果是奇数,则方案数显然为0.

2. 我们分析一下覆盖的状态,用二进制来代表具体覆盖的方案:

铺瓷砖问题 (状态压缩动态规划)


这样我们可以用二进制来代表每一行的覆盖状态。(0,1)代表竖着铺,(1,1)代表横着铺。铺满的时候最后一排必然全部都是1.

状态转移:

此问题的状态转移比较复杂:

上一行的某个状态对应当前行的多个状态,当前行的某个状态也可以来自上一行的多个状态。

状态转移示意图:

铺瓷砖问题 (状态压缩动态规划)

通过观察我们可以看到上一行到下一行状态转移的关系如下:

(注: 此处上一格代表上一行同一列位置的格子, 后一格代表同一行右侧的格子)

对于当前行的某一格来说:

  1. 如果上一格是0, 当前格必须是1.

  2. 如果上一格是1

    1.  当前格可以是0,也可以是1,说明既可以竖着铺,也可以横着铺

    2. 如果当前格是横铺的第一个1,则后一格必须也是1,并且后一格的上一格不能为0

据此我们可以设计判断当前行能否从上一行状态转移过来的逻辑。

例子:

合法转移:

铺瓷砖问题 (状态压缩动态规划)

dp[i][10011] += dp[i-1][01100]

铺瓷砖问题 (状态压缩动态规划)

dp[i][10011] += dp[i-1][01111]

无法转移:

初始状态:

第一行是没有上一行的,为了避免单独写第一行的逻辑。我们可以假设在第一行之上还存在初始行,我们把初始行的状态设为全1的时候方案为1,其他状态方案为0。 这样同样的逻辑我们可以转移到合法的第一行状态。注意:初始行只是提供初始状态,不需要考虑初始行本身全1是否合法。


具体代码如下:


#include <iostream>#include <algorithm>#include <vector>
using namespace std;
bool validateLines(int upper, int lower, int width){ for(int i=0; i<width;){ if(((upper>>i)&1) == 0){ // upper line grid is 0 . if(((lower>>i)&1) == 0){ return false; } i++; }else if(((lower>>i)&1) != 0){ // upper and current line grid is 1 . if(i == width-1 || ((lower>>(i+1))&1) == 0 || ((upper>>(i+1)&1)==0) ){ return false; }else{ i+=2; } }else{ // upper grid is 1, current grid is 0. i++; } } return true;}
long long int getCoverWays(int rows, int cols){ // the size of area must be even. if((rows*cols)%2 != 0){ return 0; } // make sure columns is smaller; if(cols>rows){ swap(rows,cols); }
const int STATE_LIMIT = 1<<cols; vector<vector<long long int> > dp(2, vector<long long int>(STATE_LIMIT,0)); int cur = 0; dp[cur][STATE_LIMIT-1] = 1; // set the initial state before first line for(int i=0; i<rows; i++){ cur ^= 1; // switch to current line std::fill(dp[cur].begin(), dp[cur].end(), 0); // clear the states for(int k=0; k<STATE_LIMIT; k++){ if(dp[1-cur][k] != 0){ for(int l=0; l<STATE_LIMIT; l++){ if( ((k|l) == (STATE_LIMIT-1)) && validateLines(k,l, cols)){ dp[cur][l] += dp[1-cur][k]; } } } }
}
return dp[cur][STATE_LIMIT-1];}
int main() { int n = 4; int m = 11; cout<<getCoverWays(n, m)<<endl; return 0;}

算法的时间复杂度为 N*4^M , 因为M对执行时间的影响较大,如果M>N,可以交换二者,确保M的值较小。

空间压缩:

因为只需要用到当前行和上一行的状态,所以只需要两个2^M的数组来保存状态即可。


总结:

这是一道经典的状态压缩动态规划问题。本文用整行作为状态来设计动态规划的算法,算法负责度为N*4^M。

本方法时间复杂度较高,还可以通过轮廓线动态规划的方法来进一步优化时间复杂度。读者可以参考后续的文章。

















以上是关于铺瓷砖问题 (状态压缩动态规划)的主要内容,如果未能解决你的问题,请参考以下文章

基于连通性状态压缩的动态规划问题

对使用状态压缩和动态规划求hamilton最短路径的理解

对使用状态压缩和动态规划求hamilton最短路径的理解

对使用状态压缩和动态规划求hamilton最短路径的理解

对使用状态压缩和动态规划求hamilton最短路径的理解

dp状态压缩