状态压缩DP：小数据下的“暴力美学”

如果说普通DP是"用空间换时间"的优雅舞蹈，那么状态压缩DP就是"用二进制撬动组合爆炸"的暴力美学------它把看似不可能的集合枚举问题，压缩进了几个int变量里，让指数级复杂度在小数据范围内变得可行。

引言

你是一个旅行商，需要从家出发，恰好经过N个城市各一次，最后回到起点。N=5时，方案数有(5-1)!=24种，穷举没问题；但当N=15时，方案数暴增到87178291200种------穷举？这辈子都算不完。

但如果N≤20呢？我们有没有办法在1秒内算出答案？

这就是状态压缩DP（状压DP） 登场的舞台。它的核心思想极其暴力却又极其巧妙：用一个二进制整数表示"哪些元素已经被使用过"，把集合状态压缩进一个数字里，然后在这个数字上进行DP。

"如果说集合是算法竞赛中的'百宝箱'，那么状压DP就是给这个百宝箱装上了二进制'密码锁'------你只需要一个int，就能精准地控制箱子里每个元素的取舍状态。"

前置知识

在阅读本文之前，建议你熟悉以下概念：

动态规划（DP） ：理解"最优子结构"和"重叠子问题"的基本思想。
位运算 ：&（与）、|（或）、^（异或）、<<（左移）、>>（右移）------状压DP的"基本功"。
集合与子集：理解用二进制位表示集合的方法（第i位为1表示元素i在集合中）。
旅行商问题（TSP） ：经典的NP-hard问题，状压DP的"招牌应用题"。
时间复杂度分析：理解 O(n⋅2^n) 和 O(2^n) 级别的复杂度。

第一章：为什么需要状态压缩------从集合到整数

1.1 传统DP的"盲区"

普通的线性DP，状态通常是一维或二维的，比如dp[i]表示前i个物品的最优值，dp[i][j]表示第i行第j列的最优值。但有一类问题的状态天然是集合------"已经选过哪些元素"、"哪些城市已经被访问过"。集合无法用简单的整数下标表示，传统DP束手无策。

举个例子：有N个物品，每件选或不选，有 2N2N 种组合。如果N=20，220=1,048,576220=1,048,576，这个数量级完全可以在程序中枚举。但如何用数组下标来表示一个集合呢？

1.2 二进制的天然优势

答案就是二进制。一个N位的二进制数，每一位代表一个元素的状态：

第i位 = 1，表示元素i被选中/已访问/可用
第i位 = 0，表示元素i未被选中/未访问/不可用

这样一来，一个集合就变成了一个0到 2N−12N−1 之间的整数 。我们可以用dp[S]表示"集合S状态下的最优值"，数组大小只需要 2N2N。

1.3 一个生活化类比

想象你有5个行李箱要打包上飞机，每个行李箱都有自己的重量和价值，但飞机只允许带总重量不超过W的行李。你想知道：哪些箱子组合价值最大？

不压缩：5个箱子，每个箱子"选/不选"，穷举需要写5层循环。
压缩后：用一个5位二进制数00000~11111表示选择方案，第i位为1表示带第i个箱子。遍历这32个数字，每个数字就是一个完整的"选择方案"。

当N=20时，遍历100万个数字，现代计算机不到0.1秒。这就是状压的威力。

第二章：状压DP的"三板斧"

2.1 核心三要素

任何一个状压DP题目，都离不开这三个要素：

状态定义 ：dp[S]，其中S是一个二进制整数，表示当前已选元素的集合。
状态转移 ：从 dp[S] 转移到 dp[S | (1 << i)]，即往集合S中加入一个新元素i。
初始状态和答案 ：通常 dp[0] = 0，答案可能是 dp[(1<<N)-1]（全部选完）。

2.2 位运算操作速查表

操作	位运算表达式	含义
检查第i位是否为1	`S & (1 << i)`	判断元素i是否在集合S中
将第i位设为1	`S	(1 << i)`
将第i位设为0	`S & ~(1 << i)`	从集合S中移除元素i
将第i位取反	`S ^ (1 << i)`	翻转元素i的状态
枚举S的子集	`for (sub = S; sub; sub = (sub-1) & S)`	枚举S的所有非空子集
去掉S的最低位的1	`S & (S - 1)`	常用于统计1的个数

2.3 转移的"起手式"

状压DP的转移通常有两种写法：

写法一：正向递推（推荐）

cpp

复制代码

for (int S = 0; S < (1 << N); S++) {
    if (dp[S] == INF) continue;
    for (int i = 0; i < N; i++) {
        if (!(S & (1 << i))) {  // i不在S中
            int nxt = S | (1 << i);
            dp[nxt] = min(dp[nxt], dp[S] + cost[S][i]);
        }
    }
}

写法二：记忆化搜索

cpp

复制代码

int dfs(int S) {
    if (S == (1 << N) - 1) return 0;
    if (dp[S] != -1) return dp[S];
    int ans = INF;
    for (int i = 0; i < N; i++) {
        if (!(S & (1 << i))) {
            ans = min(ans, dfs(S | (1 << i)) + cost[S][i]);
        }
    }
    return dp[S] = ans;
}

两种写法本质相同，正向递推适合所有题目，记忆化搜索在转移条件复杂时更灵活。

第三章：实战前的理论准备------复杂度与优化

3.1 空间与时间的天花板

状压DP的复杂度通常是：

状态数：O(2N)O(2N)
转移数：每个状态枚举 O(N)O(N) 个未选元素
总复杂度：O(N⋅2N)O(N⋅2N)

当 N≤20N≤20 时，N⋅2N≈20×106N⋅2N≈20×106，完全可行。

当 N=25N=25 时，25×225≈8.4×10825×225≈8.4×108，已经接近极限。

当 N≥30N≥30 时，状压DP基本失效，需要考虑其他算法（如搜索+剪枝、启发式算法等）。

3.2 常见优化手段

预处理合法状态：很多题目中，不是所有 2N2N 个状态都合法。我们可以先DFS或枚举所有合法状态存入数组，只在这些状态上做DP。
预处理转移代价 ：如果转移代价 cost[S][i] 计算复杂，可以提前预处理成数组，避免在DP循环中重复计算。
滚动数组降维：如果只依赖上一层的状态，可以用滚动数组优化空间。
子集枚举优化 ：某些题目需要枚举当前集合的子集，此时用 for (sub = S; sub; sub = (sub-1) & S) 可以达到 O(3^N)，但 NN 较小时可以接受。

3.3 什么时候用状压DP？

N ≤ 20（通常）
状态天然是"子集选择型"
每个元素的取舍或访问顺序对结果有影响
可以设计出清晰的"从子集到超集"的转移关系

第四章：经典例题精解------洛谷 P1171 售货员的难题

4.1 题目呈现

题目来源：洛谷 P1171 售货员的难题

题目描述 ：

某乡有 nn 个村庄（1<n≤20），有一个售货员，他要到各个村庄去售货，各村庄之间的路程 ss 是已知的。售货员从村庄1出发，经过所有村庄恰好一次，最后回到村庄1。问：最短的行程是多少？

输入格式：

第一行：一个整数 n
接下来 n 行，每行 n 个整数，第 i 行第 j 列表示村庄 i 到村庄 j 的距离

输出格式：

一个整数，表示最短行程

输入样例：

复制代码

输出样例：

复制代码

4.2 解题思路推导

这是最经典的 TSP问题（旅行商问题） ，也是状压DP的"hello world"。

状态定义 ：

dp[S][i] 表示：已经访问过的村庄集合为 S，当前所在村庄为 i 时，从村庄1出发到达此状态的最短路径长度。

初始状态 ：

dp[1][0] = 0，即只访问了村庄1（下标为0），当前在村庄1，路程为0。

状态转移 ：

从当前状态 (S, i) 出发，如果村庄 j 还没有被访问（!(S & (1<<j))），则可以走到 j：

dp[S | (1<<j)][j] = min(dp[S | (1<<j)][j], dp[S][i] + dist[i][j])

最终答案 ：

访问完所有村庄后，还要回到起点村庄1：

ans = min(dp[(1<<n)-1][i] + dist[i][0])，其中 ii 是最后一个访问的村庄。

4.3 完整AC代码

复制代码

#include <bits/stdc++.h>
using namespace std;

const int MAXN = 20;
const int INF = 0x3f3f3f3f;

int n;
int dist[MAXN][MAXN];
int dp[1 << MAXN][MAXN];

int main() {
    ios::sync_with_stdio(false);
    cin.tie(0);
    
    cin >> n;
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            cin >> dist[i][j];
        }
    }
    
    // 初始化：所有状态赋为无穷大
    memset(dp, INF, sizeof(dp));
    dp[1][0] = 0;  // 起点：只访问了村庄0（即村庄1）
    
    // 枚举所有状态
    for (int S = 0; S < (1 << n); S++) {
        // 如果当前状态不包含起点村庄0，则状态不合法，跳过
        if (!(S & 1)) continue;
        
        for (int i = 0; i < n; i++) {
            // 如果i不在已访问集合中，或者dp[S][i]不可达，跳过
            if (!(S & (1 << i))) continue;
            if (dp[S][i] == INF) continue;
            
            // 尝试从i走到下一个未访问的村庄j
            for (int j = 0; j < n; j++) {
                if (S & (1 << j)) continue;  // j已经访问过了
                int nxtS = S | (1 << j);
                dp[nxtS][j] = min(dp[nxtS][j], dp[S][i] + dist[i][j]);
            }
        }
    }
    
    // 从任意最后访问的村庄回到起点0
    int ans = INF;
    for (int i = 0; i < n; i++) {
        ans = min(ans, dp[(1 << n) - 1][i] + dist[i][0]);
    }
    
    cout << ans << "\n";
    return 0;
}

4.4 代码详解与注意事项

第20行 ：为什么只从S包含起点0的状态开始转移？因为售货员从村庄1出发，所有合法路径都必须包含起点。如果某个状态不包含起点，它不可能从起点转移而来，直接忽略可以节省时间。

第30行 ：dp[1<<n - 1][i] 是访问完所有村庄后最后一个村庄为i的状态。要回到起点，需要加上dist[i][0]。

复杂度分析：

状态数：n⋅2^n=20×1,048,576=20,971,520
每个状态需要枚举下一个村庄 j，平均 n/2 次
总转移次数约 O(n^2⋅2^n)≈4×108 次，在 n=20 时稍显紧张。
优化：可以预处理每个状态中"最后一个访问的村庄"，只枚举最后一个村庄 ii，减少一层循环。但上述代码已经能在1秒内通过洛谷数据。

4.5 空间优化：滚动数组（进阶）

如果 nn 接近25，dp[1<<n][n] 会爆内存。我们可以用滚动数组按状态数量分层 ，或者直接用 map / unordered_map 存储有效状态。

但在 n≤20n≤20 的场景下，dp[1<<20][20] = 20MB 左右，完全可接受。

第五章：状压DP的经典变种与拓展

5.1 变种一：求方案数（计数DP）

有些题目不要求最优值，而是问有多少种方案 。此时把min换成+=即可。

例题：POJ 2441 Arrange the Bulls

N头牛，M个谷仓，每头牛有自己喜欢的一些谷仓，求所有牛都分配到谷仓的方案数。
状态：dp[S] 表示谷仓占用状态为S时的方案数，第i头牛尝试分配到未被占用的喜欢谷仓。

5.2 变种二：二进制枚举子集（子集DP）

有些题目需要枚举"一个集合的所有子集"，如集合划分问题。

例题：洛谷 P3052 $USACO12MAR$ Cows in a Skyscraper

N个物品，每个物品有重量，电梯有最大载重W，求最少需要多少趟电梯运完。
状态：dp[S] 表示运输完集合S所需的最少趟数，rest[S] 表示最后一趟的剩余容量。
转移：从 S 转移到一个超集 S | T，其中 T 是 S 补集的一个子集，且 T 的总重量不超过 W。

5.3 变种三：三进制状态（罕见但有趣）

有些元素有三种状态（如"未选""选了A""选了B"），此时需要三进制压缩。用两个二进制位表示一个元素的状态，或者直接用 vector 存储状态。算法竞赛中较少见，但偶尔会出现。

5.4 与记忆化搜索的对比

维度	正向递推	记忆化搜索
代码量	简洁	略长
适用范围	所有DAG转移	所有DAG转移
效率	略快（无函数递归开销）	略慢
可读性	需要理解转移顺序	直观，与DFS思路一致
推荐场景	常规状压题	转移条件复杂、需要剪枝时

总结

状态压缩DP是算法竞赛中"以时间换空间"思维的极致体现。它用二进制这把钥匙，打开了集合型问题的大门，让原本指数级难度的组合问题在小数据范围内变得可解。无论是经典的TSP问题，还是各类排列组合计数、集合划分问题，状压DP都提供了一套清晰、统一、可复用的解题框架。

三个关键点：

核心是把集合压缩成整数：一个N位二进制数表示一个子集，dp $S$ dp $S$ 存储该状态下的最优值。
转移本质是"向集合中加元素"：从子集到超集，用位运算判断元素是否已在集合中。
N≤20是黄金适用区间：O(N⋅2N)O(N⋅2N) 的复杂度在 N=20N=20 时约为2000万级别，C++可轻松通过。

"状压DP教会我们：当问题足够小时，暴力不再是一种鲁莽，而是一种艺术------用二进制去枚举所有可能，用DP去筛选最优答案，这就是算法竞赛中最美的'以力破巧'。"

参考文献与延伸阅读

《算法竞赛入门经典（第二版）》 ------ 刘汝佳，第9章（动态规划）
OI-Wiki：状态压缩DP
洛谷 P1171 售货员的难题
洛谷 P3052 $USACO12MAR$ Cows in a Skyscraper
POJ 2441 Arrange the Bulls
《挑战程序设计竞赛》 第2章------状态压缩DP