动态规划之状态定义的技巧
【动态规划之状态定义的技巧】
> 核心原则:状态需要完整描述当前局面,满足“无后效性”(过往的选择不会干扰后续决策),同时子问题能够重复使用。
> 一句话概括:状态记录「已经完成的操作、剩余的约束条件」,不保存完整过程细节。
✅ 技巧 1:提取题干约束,直接作为状态参数(最实用)
拿到题目,先提取题干中的限制条件,用作 dp 数组的下标。题目存在几个维度的约束,状态通常就设为几维。
例:洛谷 P1077:摆花()
约束:①处理到第 i 种花;②总共摆放 j 盆花。
状态:dp[i][j] 表示前 i 种花,摆放 j 盆的方案总数。
✅ 技巧 2:仅保留必要信息,剔除冗余内容
状态下标数量越少越好,维度过多会造成时间、空间复杂度急剧上升。
无需记录全部历史选择,只保存会影响后续决策的关键信息。其本质就是保证无后效性:只要知道当前状态,就可以推导出后续结果,不必关心抵达该状态的路径。
例:AcWing 895:最长上升子序列()
(1)错误定义:dp[i] 存储前 i 个数的全部子序列(信息冗余)
(2)正确定义:dp[i] 代表以第 i 个元素作为结尾的最长上升子序列长度
只保留结尾这个关键约束,前面的选取过程无需记录。
✅ 技巧 3:目标对齐,所求即所存
题目要求求解什么,dp 数组的值就代表什么。
- 求方案总数:dp 存储方案数量
- 求最大 / 最小值:dp 存储最优价值
- 求最少操作次数:dp 存储最小步数
例:洛谷 P1002:过河卒()
状态:设 dpf(i,j) 表示从 (0,0) 走到 (i,j) 的路径的条数。
如果 i=0 且 j=0,则 dp[i][j]=1;
否则,如果 i=0,则 dp[i][j]=dp[i][j−1];
否则,如果 j=0,则 dp[i][j]=dp[i−1][j];
否则,dp[i][j]=dp[i−1][j]+dp[i][j−1]。
✅ 技巧 4:优先采用前缀视角(背包、线性 DP 首选)
竞赛里大部分线性 DP、背包问题,优先使用“前缀视角”定义状态:
dp[i] 表示“前 i 个物品全部决策完成后的结果”。
含义是前 i 个已经处理完毕,而非准备处理第 i 个。该视角天然适配「最后一步分析法」,便于推导状态转移方程。
例:洛谷 P2842:纸币问题 1()
状态:dp[i][j] 表示考虑前 i 种纸币,凑出金额 j,所需要的最少纸币张数。
转移:dp[i][j]=min(dp[i-1][j], dp[i][j-ai]+1)
边界:dp[0][0]=0,其余 dp[0][j]=inf。
✅ 技巧 5:遇到分支选择,增加 0/1 标记维度
当单纯一维状态无法描述当前局面、存在后效性时,增加一维 0/1 标记,记录二元开关状态,把两种不同局面分开存储,消除后效性。
例:AcWing 1055:股票买卖 II()
● 状态定义
dp[i][0]:第 i 天结束时,不持有股票的最大收益
dp[i][1]:第 i 天结束时,持有股票的最大收益
● 转移分析(最后一步分析法)
1. dp[i][0]:第 i 天不持有股票。两种来源:
- 前一天本来就不持有,今天什么都不做:dp[i-1][0]
- 前一天持有股票,今天卖出:dp[i-1][1] + a[i]
dp[i][0]=max(dp[i-1][0],dp[i-1][1]+a[i])
2. dp[i][1]:第 i 天持有股票。两种来源:
- 前一天已经持有,今天不动:dp[i-1][1]
- 前一天无股票,今天买入:dp[i-1][0]-a[i]
dp[i][1]=max(dp[i-1][1],dp[i-1][0]-a[i])
● 边界:
dp[0][0]=0:第 0 天,无股票,收益 0
dp[0][1]=-inf:第 0 天不可能持有股票,负无穷(非法状态)
● 最终答案:dp[n][0],最后一天一定不持有股票(卖出才兑现利润)
✅ 技巧 6:校验:用无后效性反向检验状态是否合格
检验标准:给定当前状态,能否独立计算后续所有结果,无需关注抵达该状态的路径?
- 可以:状态定义合格;
- 不行:状态缺少关键信息,需要补充维度。
【动态规划状态转移方程推导的经典方法】
✅ 方法 1:最后一步法(推荐):
最后一步法(末端分析法),不去从头模拟整个过程,只看结尾的决策。即:先定义状态,再思考 “最后一步发生了什么”,最后写出转移。最后一步法是竞赛最常用、上手最快的方法。
✅ 方法 2:子集划分法(区间 DP,石子合并、括号匹配)
区间 DP 处理一段连续区间上的问题,核心思路为“把一个大的连续区间,通过一次分割拆成左右两段互不干扰的子区间;大区间的最优解,由这两个子区间的结果合并计算得到”。
注意:每次分割只切一刀,得到两个子区间;子区间可以继续递归分割,不断拆成更小的两段,直到区间长度为 1(边界)。
状态定义:dp[l][r] 表示区间 [l,r] 内的最优解。
我们枚举分割点 k(l≤k<r),把区间 [l,r] 在 k 的位置切开,得到左区间 [l,k]、右区间 [k+1,r]。左右子区间独立求解,再合并结果。遍历全部合法分割点,选出最优值。
对所有合法分割点取最优值,得到大区间答案:dp[l][r]=min(dp[l][k]+dp[k+1][r])
✅ 方法 3:增量递推法(简单线性 DP,最长上升子序列 LIS)
增量递推法适用于线性序列问题,核心思路为“从左往右逐个新增元素,以当前元素作为子序列的结尾,在前面已经求解完成的子问题基础上,更新当前状态”。
状态定义:dp[i] 表示以序列中第 i 个元素作为结尾的最长上升子序列的长度。
✅ 闫氏 DP 分析法:

浙公网安备 33010602011771号