记忆化搜索(Memoization Search),也常被称为自顶向下的动态规划(Top-Down Dynamic Programming),是一种通过缓存(记忆)已经计算过的结果来优化递归算法的技术。这种方法可以显著减少不必要的计算,从而提高算法的效率。
记忆化搜索的核心思想是将递归过程中计算的结果存储起来,当再次需要计算相同子问题时,可以直接从缓存中取出结果,而不是重新计算。这种方法特别适用于具有重叠子问题和最优子结构特点的问题。
思路:
每次进行滑行时有四种选择:向上、下、左、右,且滑行后的状态依托于滑行之前的状态。
闫氏dp
状态集合f[ i ][ j ]:表示滑行到点(i, j)时的滑行次数。属性:MAX
状态计算:向上滑行:f[ i ][ j ] = f[i - 1][ j ] + 1、下:f[ i ][ j ] = f[i + 1][ j ] + 1、左:f[ i ][ j ] = f[i][ j - 1 ] + 1、右:f[ i ][ j ] = f[i][ j + 1 ] + 1。
代码:
#include<bits/stdc++.h>
using namespace std;
const int N = 310;
int g[N][N];//矩阵存储雪山高度
int f[N][N];//状态存储方案数
int n, m;
int dx[4] = {-1, 0, 1, 0}, dy[4] = {0, -1, 0, 1};
int dp(int x, int y)
{
int &v = f[x][y];//v将代替f[x][y],而不仅仅是等于它的值
if(v != -1) return v;//如果已经被计算过了,那么直接返回f[x][y]的值
v = 1;//当前雪山的高度最低为1
for(int i = 0; i < 4; i ++ )
{
int a = x + dx[i], b = y + dy[i];
//只有当前所在的点还有高度(高度最小为1)时 且属于矩阵范围内 且小于上一个点的高度时(合法)才有必要更新
if(a >= 1 && a <= n && b >= 1 && b <= m && g[a][b] < g[x][y])
v = max(v, dp(a, b) + 1);//当前状态与转移后的状态取一个最大值
}
return v;
}
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ )
for(int j = 1; j <= m; j ++ )
cin >> g[i][j];
//初始化没有被遍历的数组为-1
memset(f, -1, sizeof f);
int res = 0;
for(int i = 1; i <= n; i ++ )
for(int j = 1; j <= m; j ++ )
res = max(res, dp(i, j));//搜索所有从不同点能滑行距离的最大值
cout << res << endl;
return 0;
}