【动态规划】数位DP的原理、模板（封装类）

【动态规划】数位DP的原理、模板（封装类） - 教程

news/2025/11/11 8:09:32/文章来源:https://www.cnblogs.com/gccbuaa/p/19208782

本文涉及知识点

复杂但相对容易理解的解法

上界、下界的位数一样都为N。如果不一样，拆分一样。比如：[10,200]，拆分[10,99]和[100,200]。由于要枚举到 $1∼N1\sim N$ ，故实际复杂度是N倍。

动态规划的状态表示

dp[n][m][m1]，n表示已经处理最高n位，m表示上下界状态：0非上下界，1下界，2上界，3上下界。m1是自定义状态。
某题范围是[110,190]，处理一位后：1是上下界，无其它合法状态。处理二位后，11是下界，19是上界， $\sim 18$ 是非上下界。
空间复杂度：O( $4 N$ )

动态规划的状态表示

第一层循环n从小到大；第二层循环m，任意顺序；第三层自定义状态。

动态规划的转移方程

前n位状态	当前位状态	前n+1位状态
上下界	上下界	上下界
…	上界	上界
…	下界	下界
…	下界上界之间	非界
上界	上界	上界
上界	<上界	非界
下界	下界	下界
下界	>下届	非界
非界	任意	非界

单个状态的时间复杂度： $∑\sum$ 。总时间复杂度：O(4N $∑\sum$ )

动态规划的初始值

枚举最高位。

优化一

如果上下界没有公共前缀，则不存在状态上下界。
如果公共前缀为len，则目标串的前n位必定和上下界相同。故可以不处理 $\sim n-1$ ，直接从第n位开始处理。

优化二

$\sim r]的方案数 =[0 \sim r]的方案数-[0\sim left-1]的方案数=[0 \sim r]的方案数-[0\sim left]的方案数 + left是否符合$ 。简化后只需要考虑是否是上限。

优化三

小于N位的数，可以可以看成前导0。

自己摸索的封装类

template<class ELE, class ResultType, ELE minEle, ELE maxEle>class CLowUperr{public:CLowUperr(int iCustomStatusCount) :m_iCustomStatusCount(iCustomStatusCount){}void Init(const ELE* pLower, const ELE* pHigh, int iEleCount){m_vPre.assign(4, vector<ResultType>(m_iCustomStatusCount));if (iEleCount <= 0){return;}InitPre(pLower, pHigh);iEleCount--;while (iEleCount--){pLower++;pHigh++;vector<vector<ResultType>> dp(4, vector<ResultType>(m_iCustomStatusCount));OnInitDP(dp);//处理非边界for (auto tmp = minEle; tmp <= maxEle; tmp++){OnEnumOtherBit(dp[0], m_vPre[0], tmp);}//处理下边界OnEnumOtherBit(dp[1], m_vPre[1], *pLower);for (auto tmp = *pLower + 1; tmp <= maxEle; tmp++){OnEnumOtherBit(dp[0], m_vPre[1], tmp);}//处理上边界OnEnumOtherBit(dp[2], m_vPre[2], *pHigh);for (auto tmp = minEle; tmp < *pHigh; tmp++){OnEnumOtherBit(dp[0], m_vPre[2], tmp);}//处理上下边界if (*pLower == *pHigh){OnEnumOtherBit(dp[3], m_vPre[3], *pLower);}else{OnEnumOtherBit(dp[1], m_vPre[3], *pLower);for (auto tmp = *pLower + 1; tmp < *pHigh; tmp++){OnEnumOtherBit(dp[0], m_vPre[3], tmp);}OnEnumOtherBit(dp[2], m_vPre[3], *pHigh);}m_vPre.swap(dp);}}ResultType Sum(int iMinMask,int iMaxMask)const{ResultType iRet = 0;for (int status = 0; status < 4; status++){for (int mask = iMinMask; mask <= iMaxMask; mask++){iRet += m_vPre[status][mask];}}return iRet;}protected:const int m_iCustomStatusCount;virtual void OnEnumOtherBit(vector<ResultType>& dp, const vector<ResultType>& vPre, ELE curValue) = 0;virtual void OnEnumFirstBit(vector<ResultType>& vPre, const ELE curValue) = 0;virtual void OnInitDP(vector<vector<ResultType>>& dp){}vector<vector<ResultType>> m_vPre;private:void InitPre(const ELE* const pLower, const ELE* const pHigh){for (ELE cur = *pLower; cur <= *pHigh; cur++){int iStatus = 0;if (*pLower == cur){iStatus = *pLower == *pHigh ? 3 : 1;}else if (*pHigh == cur){iStatus = 2;}OnEnumFirstBit(m_vPre[iStatus], cur);}}};

参考通用模板：动态规划之记忆化搜索

Rec(i,bUpper)
返回值：bUpper，当前数据的前i位和上界是否相同。有两种解释：一，前i位自定义状态为m的方案数。二，后N-i位自定义状态m的方案数。大部分题，两种解释都行得通。
dp[i] = Rec(i,false)。
任意Rec(i,true) 只会被调用一次，故无需缓存。
令上界是数字n，N = logn,即n的位。
状态数：N。每个状态的时间复杂度O( $∑\sum$ )。故总复杂度：O( $∑\sum$ N)。 $\sim N-1$ 位可以直接通过dp计算，故处理 $\sim N-1$ 的时间可以忽略。

回调类

template<class ELE, class ResultType>class IUpperDPCall{public:virtual void OnEnum(int n,vector<ResultType>& dp, const vector<ResultType>& vNext, ELE curValue, int iCustomStatusCount) = 0;virtual void OnInitEnd(vector<ResultType>& dp, vector<ResultType>& upDp) = 0;};

OnInitEnd：
dp= m_vDP[n]和dpUp=m_vDpUpper[n]。dp[m]和dpUp[m]表示自定义状态为m的方案数。
OnEnum有以下三种情况，三者的逻辑是一样的，故实现时无需考虑是那种情况。
情况一：dp=m_vDP[n],vNext=m_vDP[n+1]
情况二:dp=m_vDpUpper[n],vNext=m_vDpUpper[n+1]
情况三：dp=m_vDpUpper[n],vNext=m_vDP[n+1]
curValue当前元素的值。
iCustomStatusCount 自定义状态的数量。

最高位的取值范围和其它位相同

比如：枚举字母，容许前导0,即N-1位可以看成有一个前导0的N位数。

template<class ELE, class ResultType>class CUperrDP{public:CUperrDP(int iCustomStatusCount, IUpperDPCall<ELE, ResultType>& call, ELE minEle, ELE maxEle):m_iCustomStatusCount(iCustomStatusCount),m_call(call),m_minEle(minEle),m_maxEle(maxEle){}void Init(const ELE* pHigh, int iEleCount){m_vDP.assign(iEleCount + 1, vector<ResultType>(m_iCustomStatusCount));m_vDpUpper = m_vDP;m_call.OnInitEnd(m_vDP.back(), m_vDpUpper.back());//预处理增加的一位for (int i = iEleCount - 1;i > 0;i--) {m_call.OnEnum(i,m_vDpUpper[i], m_vDpUpper[i + 1], pHigh[i],m_iCustomStatusCount);for (auto j = m_minEle; j < pHigh[i];j++) {m_call.OnEnum(i,m_vDpUpper[i], m_vDP[i + 1], j, m_iCustomStatusCount);}for (auto j = m_minEle; j <= m_maxEle;j++) {m_call.OnEnum(i,m_vDP[i], m_vDP[i + 1], j, m_iCustomStatusCount);}}m_call.OnEnum(0,m_vDpUpper[0], m_vDpUpper[1], pHigh[0], m_iCustomStatusCount);for (auto j = m_minEle; j < pHigh[0];j++) {m_call.OnEnum(0,m_vDP[0], m_vDP[1], j, m_iCustomStatusCount);}}ResultType Sum(int iMinCustomStatu, int iMaxCustomStatu) {ResultType ret = 0;for (int i = iMinCustomStatu; i <= iMaxCustomStatu;i++) {ret += m_vDP[0][i] + m_vDpUpper[0][i];}return ret;}ResultType Sum() {return Sum(0, m_iCustomStatusCount - 1);}vector<vector<ResultType>> m_vDP, m_vDpUpper;const ELE m_minEle, m_maxEle;protected:const int m_iCustomStatusCount;IUpperDPCall<ELE, ResultType>& m_call;};

ELE：元素的类型，几乎全部是char。
ResultType：记录方案数量的类型，如果：int,long long,自定义数据类型。
minEle：最小元素
maxEle：最大元素。
pHigh, int iEleCount：上限字符串的数量和长度。
Init的大致逻辑：
一，初始化。
二，n = N-1 to 1。如果当前元素等于pHigh[n],dpUp[n]对应dpUp[n+1];如果当前元素小于pHigh[n]，dpUp[n]对应dpUp[n+1];任意当前元素,dp[n]对应dp[n+1]。
三，第0个元素等于pHigh[0]，则dpUp[0]对应dpUp[1]。第0个元素小于pHigh[0]，则dp[0]对应dp[1]。

最高位的取值范围和其它位不同

如：正整数不能以0开始。原理类似上一部分，只描述不同点：
firstMinEle，最高位最小元素。
m_vFirstDP[n][m]:N-n位数，自定义状态为m的方案数。 m_vFirstDP[N]未使用。

template<class ELE, class ResultType>class CUperrDP2{public:CUperrDP2(int iCustomStatusCount, IUpperDPCall<ELE, ResultType>& call, ELE minEle, ELE maxEle, ELE firstMinEle):m_iCustomStatusCount(iCustomStatusCount), m_call(call), m_minEle(minEle),m_maxEle(maxEle),m_firstMinEle(firstMinEle){}void Init(const ELE* pHigh, int iEleCount){m_vDP.assign(iEleCount + 1, vector<ResultType>(m_iCustomStatusCount));m_vDpUpper = m_vDP;m_vFirstDP = m_vDP;m_call.OnInitEnd(m_vDP.back(), m_vDpUpper.back());//预处理增加的一位for (int i = iEleCount - 1;i > 0;i--) {m_call.OnEnum(i,m_vDpUpper[i], m_vDpUpper[i + 1], pHigh[i], m_iCustomStatusCount);for (auto j = m_minEle; j < pHigh[i];j++) {m_call.OnEnum(i,m_vDpUpper[i], m_vDP[i + 1], j, m_iCustomStatusCount);}for (auto j = m_minEle; j <= m_maxEle;j++) {m_call.OnEnum(i,m_vDP[i], m_vDP[i + 1], j, m_iCustomStatusCount);}for (auto j = m_firstMinEle; j <= m_maxEle;j++) {m_call.OnEnum(i,m_vFirstDP[i], m_vDP[i + 1], j, m_iCustomStatusCount);}}m_call.OnEnum(0,m_vFirstDP[0], m_vDpUpper[1], pHigh[0], m_iCustomStatusCount);for (auto j = m_firstMinEle; j < pHigh[0];j++) {m_call.OnEnum(0,m_vFirstDP[0], m_vDP[1], j, m_iCustomStatusCount);}}ResultType Sum(int iMinCustomStatu, int iMaxCustomStatu) {ResultType ret = 0;for (int i = 0;i + 1 < m_vFirstDP.size();i++) {ret += accumulate(m_vFirstDP[i].begin() + iMinCustomStatu, m_vFirstDP[i].begin() + iMaxCustomStatu + 1, (ResultType)0);}return ret;}ResultType Sum() {return Sum(0, m_iCustomStatusCount - 1);}vector<vector<ResultType>> m_vDP, m_vDpUpper,m_vFirstDP;ELE m_minEle, m_maxEle, m_firstMinEle;protected:const int m_iCustomStatusCount;IUpperDPCall<ELE, ResultType>& m_call;};

样例

力扣

	难度分
【二分查找数位DP】：902最大为 N 的数字组合	1990
【C++动态规划数位dp】2376. 统计特殊整数	2120
【数位dp 动态规划状态压缩】【推荐】1012. 至少有 1 位重复的数字	2230
【数位dp】3519. 统计逐位非递减的整数	2246
【动态规划数位dp】2827. 范围中美丽整数的数目	2324
【数位dp】【数论】【动态规划】2999. 统计强大整数的数目	2351
【C++算法数位dp 动态规划】2719统计整数数目	2355
【C++动态规划】2801. 统计范围内的步进数字数目	2367
【数位dp】3704. 统计和为 N 的无零数对	2419
【逆向思考数位dp】3352. 统计小于 N 的 K 可约简整数	2451
【动态规划数位dp】3490. 统计美丽整数的数目	2502
【数位dp KMP】1397. 找到所有好字符串	2667
【C++ 数位dp】600. 不含连续1的非负整数	无分数

洛谷

	难度等级
【数学进制数位DP】P9362 [ICPC 2022 Xi‘an R] Find Maximum	普及+

扩展阅读

我想对大家说的话
工作中遇到的问题，可以按类别查阅鄙人的算法文章，请点击《算法与数据汇总》。
学习算法：按章节学习《喜缺全书算法册》，大量的题目和测试用例，打包下载。重视操作
有效学习：明确的目标及时的反馈拉伸区（难度合适）专注
员工说：技术至上，老板不信；投资人的代表说：技术至上，老板会信。
闻缺陷则喜(喜缺)是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛
失败+反思=成功成功+反思=成功