這裡我們仍然用dp來求解
例
有n個無區別的物品，將其劃分成不超過m組，求出劃分方法數取模m的餘數
樣例輸入
n=4m=3
m=10000
輸出
4 （1+1+2 = 1+3 = 2+2 = 4）
這樣的劃分被稱作n的m劃分數。 dp問題對於計算各種排列組合個數，概率或者期望之類的計算都非常有用，在此，我們定義如下陣列
dp【i】【j】=j 的 i 劃分的總數
根據這一關係，我們可以尋找到對應的遞推式。 考慮n的m劃分中 各項為 ai （1<=i<=m），如果對於每個i都有ai >0 ，那麼所有ai 減1就對應了n-m 的m 劃分.
另外 ，如果存在ai =0 ，那麼其就對應相等於n的m-1 劃分。綜上，我們可以得到
dp【i】【j】=dp【i】【j-i 】+ dp【i-1】【j】；
可能上面描述有點簡略難以理解，分享一下個人理解
所有的ai都是一樣的，即可從某乙個ai開始考慮，若ai不為零即
所有的ai都至少為2，將其減一後所有ai都至少唯一，這種情況下的化分數
相當於j-i的i劃分，即為 dp【i】【j-i】
而當ai中存在1時，即建議後存在ai為零，這種情況下的劃分可以視為某乙個
ai不存在，即少了一段劃分，即為dp【i-1】【j】，這兩種情況包含所有情況，
將其加起來就是我們想要的解
**如下
#include
#include
#include
#include
#include
using namespace std;
typedef
long
long ll;
int dp[
100]
[100];
intmain()
else
//減少乙個i看是否能劃分
}printf
("%d"
,dp[m]
[n])
;}
基本動態規劃題學習筆記與解析 1
最最最基本的動態規劃題，最近室友問的挺多就寫一下 例 有n個重量和價值分別為 wi 和 vi 的物品，從這些物品中挑選出重量不超過w的物品，求所有挑選方案中價值總和的最大值 樣例輸入 n 4 w，v w 5 輸出 7 選第0，1，3號物品 記憶化搜尋 include include include ...
學習筆記 動態規劃
動態規劃 多階段決策 意義 求解決策過程最優化的數學方法 基本思想 將待求解的問題分為若干個階段，即若干個互相聯絡的子問題，在求解子問題的過程中逐步推導出原問題的解。核心 在求解子問題的過程中，儲存子問題的解。注1 動態規劃的思想實際上和遞迴相似。都是通過逐步推導，得到答案。而用它們解題時的核心也都...
學習筆記 動態規劃
bullet 先來看乙個問題 小張現在有8個任務可選，每個任務都必須在規定的時間段完成不能多也不能少，而且每個任務都有對應的報酬如下圖，問小張應如何選擇才能拿到最多的報酬？那我們換種方法來解決這個問題吧，首先，每個任務都有選和不選兩種選擇，我們從最後乙個任務開始模擬這個過程。首先我們需要先用乙個陣列...