如果字母表大小不太大...我会使用动态规划来解决这个问题...运行时间应该是O(S*2^n),其中S = 集合数量,n = 字母表数量。
定义DP(i, bitmask)为使用此位掩码在集合0到集合i中任何子集中可以取消的最大字符数。
例如,现在我们有3个集合和5个字母{a,b,c,d,e}。
尝试使用0-1位来掩盖每个集合:
S0 = {a,d,e},S1 = {b,c,e},S2 = {a,c,e}
S0 = 11001 = 25,S1 = 10110 = 22,S2 = 10101 = 21
总共有2^5种不同的可能掩码,在计算DP(i, bitmask)时我们将循环遍历所有掩码。
现在初始化DP(0, x)(即简单地填充x的1位数),并使用以下转换来填充i > 0的DP(i,x):
DP(i, x) = DP(i-1,x) + {x的二进制表示中1的个数,如果(Si & x == x); 否则为0}
Si是集合i的位掩码,&是按位与操作
答案是所有DP(S-1, x)中的最大值
如果有许多解,则此方法可以找到所有可能的解。以下是用C++编写的解决上述示例的示例代码:
#include<cstdio>
#include<cstdlib>
#include<algorithm>
using namespace std;
int s[3] = {25,22,21};
int dp[5][1<<5] = {0};
int bits(int x){
int cnt = 0;
while(x){ cnt += (x&1); x>>=1;}
return cnt;
}
int main() {
for(int i=0; i< (1<<5); i++) if((s[0]&i) == i){ dp[0][i] = bits(i); }
for(int i=1; i<3;i++)
for(int j=0; j< (1<<5); j++){
dp[i][j] = dp[i-1][j];
if((s[i]&j) == j) {dp[i][j] = max(bits(j), dp[i-1][j]+ bits(j)); }
}
int x = -1;
for(int i=0; i< (1<<5); i++){
x = max(x, dp[2][i]);
printf("Maximum cancelled: %d, current DP: %d, bitmask: %d\n", x, dp[2][i], i);
}
return 0;
}
每当 DP 状态的输出等于最大取消数量时,其位掩码就是相应的解决方案,你可以轻松地转换回英文字符,即在上面的示例中为 {c,e} 或 {a,e}。
编辑:
为了回复下面的评论,我尝试在这里逐部分回答:
问题1:它仍然是指数级的吗?只有从指数级转移到设置传输到字母的数量?
答案1:是的。我之所以这样认为,是因为我认为实际上字母表的大小不会太大...但从理论上讲,它仍然是指数时间。
问题2:这个问题是 NP 完全的吗?
答案2:好吧,这是有趣的部分,以下是我的想法,如果我错了,请纠正我,我认为是 NP 完全的。我的想法是将这个问题建模成一个图问题,见下图(请原谅我的糟糕的 mspaint 技能):
我们有一个二分图,并且与您最初的问题相同,我们现在想找到
最大完全子图——这是一般图中的
团,这是一个众所周知的NP完全问题。
然后我想,它是一个
二分图!也许二分图中的团不是NP完全的,但多亏了谷歌,我发现了另一个问题
完全二分图并关注页面上的第一个属性:
给定一个二分图,测试是否包含参数i的完全二分子图Ki,i是一个NP完全问题。
总之,我认为这是NP-Complete
Q3. 如何想出这样的DP解决方案?
A3. 结合A1,许多NPC问题实际上有一个“伪多项式解法”,而O(x * 2^y)是我所知道的相当常见的形式,例如
哈密顿回路,可以在O(n^2 * 2^n)中解决。作为额外的提示,如果你问我自己,当考虑这个DP解决方案时,我也有类似背包问题的想法...但那与你的问题有点无关...