状压
状态压缩，就是用一个整数代替DP中某种一般情况下需要以一维数组充当状态的状态
状压意义下的状态表示就是在\(P\)进制下将第\(i\)个元素的某种状态用整数第\(i\)位的\(j∈[0,P-1]\)表示出来
不同状态之间的转移需要用相应的位运算实现
一般的处理步骤？
预处理
首先预处理出各种可行的状态以及相应的权值
然后去各种状态转移
枚举
这就挺简单的了，将各种可行状态套状态转移方程直接算就行了
状态转移方程
状压的状态转移方程挺难适应的，主要是压缩里面的位运算
别的就阶段状态决策列出来状态转移方程就挺好整的了
注意好限制转移条件和可行决策的枚举就没别的了
似乎确实比优化直白但就是优化比状压难不知道为啥可能虚标了吧
例题
互不侵犯
定义\(kx[i]\)为第\(i\)个可行状态，\(cnt\)为可行状态总数
首先行内预处理\(kx\)数组
枚举从\(1\)到\(2^n-1\)
\(kx[i]\)的二进制表示下第\(j\)位为\(0\)表示无国王，\(1\)有国王
只考虑行内所以\(kx[i]\)每个\(1\)左右必须是\(0\)
这个可以通过左右移1解决:如果原数按位与上左右移1的数不为\(0\)不可行
棋盘问题一般以行号为阶段，所有的可行状态为状态
所以就以行号\(i\)为阶段，当前可行状态\(kx[j]\)为状态
决策？
根据题意，我们还需要为上一行的某个状态挑选当前的一个状态为决策，
不过这和设计相违背
反过来，设计上一行的一个状态为决策，就非常好整了
根据加法原理，我们知道：
状态转移方程:
\(f[i][kx[j][now]=\sum\limits^{k}_{now=sum[j]}f[i-1][kx[k]][now-sum[j]]\)
\(i\)是行号，\(kx[j]\)当前可行状态,\(kx[k]\)上行可行状态，额外维护的一些东西是对于数量限制
\(now\)，当前的国王数，\(sum[j]\)当前可行状态下的国王数
转移条件：
\(kx[j] \and (kx[k]<<1) + kx[j] \and {kx[k]}+kx[j] \and (kx[k]>>1)==0\)
终值:
\(\sum\limits^{cnt}_{i=1}f[n][i][k]\)
初值:
\(f[0][1][0]=1\)
炮兵阵地
差不多，问最大值
预处理的还是行内所有可行状态以及个数
行号阶段，可行状态做状态，决策和上两行有关系，这里保存的决策上一行状态
首先预处理出地形上的矛盾：
可放为0，不可放为1
为节省空间把每行的地形状态作为限制条件
然后就是状态转移方程：
\(f[i][j][k1]=max(f[i][j][k1],f[i-1][k1][k2]+kx[j]);\)
\(i\)行号，\(j\)当前状态，\(k1,k2\)上一行和上两行状态
条件就直接与起来就行
疾病管理
直接状压
每头牛的表示就是每一位患病是1没病是0
然后就是直接枚举状态
全集就是当前状态，每头牛的表示必然是全集的子集
判断直接或一下就行
最后找到最大值就行
进阶篇
这里就是一些nb的计数原理或者限制先后最短路等等...
Continue
标签：状态,可行,sum,状压,kx,转移 来源： https://www.cnblogs.com/22222222STL/p/16271765.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。