数字三角形
5
1 4
12 34 56
在上面的数字三角形中寻找一条从顶部到底边的路径,使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或 右下走。只需要求出这个最大和即可,不必给出具体路径。 三角形的行数大于1小于等于100,数字为 0 - 99
输入格式:
3
5
1 4
12 34 56
递归方法:
#include <iostream>
using namespace std;
int Maxsum(int i,int j,int **p,int n)
{
if(i==n-1)
return p[i][j];
int x=Maxsum(i+1,j,p,n);
int y=Maxsum(i+1,j+1,p,n);
return max(x,y)+p[i][j];
}
int main()
{
int n;
cin>>n;
int **a=new int *[n];
for(int i=0;i<n;i++)
a[i]=new int[n];
for(int i=0;i<n;i++)
for(int j=0;j<=i;j++)
cin>>a[i][j];
cout<<Maxsum(0,0,a,n);
}
#include <iostream>
#include <algorithm>
using namespace std;
#define MAX 101
int D[MAX][MAX];
int n;
int maxSum[MAX][MAX];//作为算出来的每一个最大值,保存起来,可避免重复计算
int MaxSum(int i, int j){
if( maxSum[i][j] != -1 ) //刚开始初始化均为-1;
return maxSum[i][j];
if(i==n)
maxSum[i][j] = D[i][j];
else{
int x = MaxSum(i+1,j); 向下和右下角进行搜索,选最大的一个
int y = MaxSum(i+1,j+1);
maxSum[i][j] = max(x,y)+ D[i][j];
}
return maxSum[i][j];
}
int main(){
int i,j;
cin >> n;
for(i=1;i<=n;i++)
for(j=1;j<=i;j++) {
cin >> D[i][j];
maxSum[i][j] = -1;
}
cout << MaxSum(1,1) << endl;
}
对于上面的递归,需要占用大量的空间,容易造成溢出,可再进行改进;
用递推的方法:
从倒数第二行开始,对应于第二行的数字与下一行下边和右下边相邻的数字的最大和,以此向上循环;
12 --------------------------------12
1 3 ---------------------------------13 15
12 4 12 ----------------------------------- 12 4 12
#include <iostream>
#include <algorithm>
using namespace std;
#define MAX 101
int D[MAX][MAX];
int n;
int maxSum[MAX][MAX];
int main(){
cin>>n;
for(int i=1;i<=n;i++)
{
for(int j=1;j<=1;j++)
{
cin>>D[i][j];
}
}
for(int i=1;i<=N;i++)
{
maxSum[N][i]=D[N][i];
}
for(int i=N-1;i>=1;i--){
{
for(int j=1;j<=i;j++)
maxSum[i][j]=max(maxSum[i+1][j],maxSum[i+1,j+1])+D[i][j];
}
cout<<max(i,j);
}
递归到动规的一般转化方法
递归函数有n个参数,就定义一个n维的数组,数组的下标是递归函数参数的取值范围,数组元素的值是递归函数的返回值,这样就可以从边界值开始, 逐步填充数组,相当于计算递归函数值的逆过程。
动规解题的一般思路
1. 将原问题分解为子问题
- 把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决(数字三角形例)。
- 子问题的解一旦求出就会被保存,所以每个子问题只需求 解一次。
2.确定状态
- 在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状 态”。一个“状态”对应于一个或多个子问题, 所谓某个“状态”下的“值”,就是这个“状 态”所对应的子问题的解。
- 所有“状态”的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里,一共有N×(N+1)/2个数字,所以这个问题的状态空间里一共就有N×(N+1)/2个状态。
整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次,且在每个状态上作计算所花的时间都是和N无关的常数。
3.确定一些初始状态(边界状态)的值
以“数字三角形”为例,初始状态就是底边数字,值就是底边数字值。
4. 确定状态转移方程
定义出什么是“状态”,以及在该“状态”下的“值”后,就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”,求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示,此递推公式也可被称作“状态转移方程”。
数字三角形的状态转移方程:
maxSum[r][j]={ D[r][j] r==n;
max( maxSum[r+1][j],maxSum[r+1][j+1])+D[r][j]; r!=n;
可以用动规解决的问题的特点:
1) 问题具有最优子结构性质。如果问题的最优解所包含的 子问题的解也是最优的,我们就称该问题具有最优子结 构性质。
2) 无后效性。当前的若干个状态值一旦确定,则此后过程的演变就只和这若干个状态的值有关,和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态,没有关系。