文章目录
题意简述
题目链接
Vijos ETO P1001(推荐)
Acwing 898
Luogu P1216
题目描述
给定一个的数字三角形,从顶部出发,在每一结点可以选择移动至其左下方的结点或移动至其右下方的结点,一直走到底层,要求找出一条路径,使路径上的数字的和最大。
输入输出样例
输入样例
5
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
输出样例
30
样例解释
在上面的样例中,从 7 → 3 → 8 → 7 → 5 7→3→8→7→5 7→3→8→7→5 的路径产生了最大权值。
思路分析
贪心?
首先考虑是否可以贪心。
路径是不是需要经过最大值?
容易构造一组反例。
输入:
3
1
2 100
99 0 0
如果经过最大值 100 100 100,那么最终结果为 101 101 101;但是如果不这样走,通过路径 1 → 2 → 99 1\to2\to99 1→2→99,那么结果为 102 102 102,显然 102 > 101 102>101 102>101,所以这种贪心方法并不正确。
如果转而考虑次大值,次次大值,那么会在贪心的错误算法中越陷越深。此时,我们需要使用过其他的算法。
递归版动态规划(记忆化搜索)
爆搜
爆搜思路
既然贪心行不通,那么似乎没有什么好办法了,那么,我们可以考虑进行搜索,然后进行剪枝等优化。
爆搜代码
#include <iostream>
const int MAXN = 1e3 + 10;
int n, a[MAXN][MAXN];
int dfs(int x, int y) {
if (x == n) return a[x][y]; // 边界条件
return a[x][y] + std::max(dfs(x + 1, y), dfs(x + 1, y + 1));
// 选择下一层的更大的计算出来的值加上当前值
}
int main() {
std::cin >> n;
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= i; ++j)
std::cin >> a[i][j];
std::cout << dfs(1, 1) << std::endl;
return 0;
}
当然,上面的代码可以等价变形为如下代码:
#include <iostream>
const int MAXN = 1e3 + 10;
int n, a[MAXN][MAXN];
int dfs(int x, int y) {
return a[x][y] + (x == n ? 0 : std::max(dfs(x + 1, y), dfs(x + 1, y + 1)));
// 通过三目运算符简化代码
}
int main() {
std::cin >> n;
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= i; ++j)
std::cin >> a[i][j];
std::cout << dfs(1, 1) << std::endl;
return 0;
}
爆搜时空复杂度分析
时间复杂度
对于每个递归到的点,都会扩展出两个需要递归的状态,所以时间复杂度是 O ( 2 n ) \mathcal O(2^n) O(2n) 的,非常低效。
空间复杂度(不严谨)
由于爆搜只记录了一条路径上的状态,而数字三角形的深度与 n n n 同级,所以空间复杂度为 O ( n ) \mathcal O(n) O(n)。
爆搜 → \to → 记搜
记搜思路
为什么爆搜这么低效?容易发现,在爆搜的过程中,存在大量的重复计算。
如样例中的三角形,分别递归到第二行的
3
3
3 与
8
8
8 时,分别递归计算了一次图中的红色三角形一次,产生了重复计算。同理,对于数字三角形中非最后一行的所有结点,都进行了多次重复计算,导致效率很低。
如何避免重复计算呢?考虑新增一个
f
f
f 数组,用
f
x
,
y
f_{x, y}
fx,y 表示 dfs(x,y)
最终得到的结果。特别的,如果
f
x
,
y
f_{x, y}
fx,y 为一个特殊值(自己命定)那么说明这个值还没有更新,需要进行计算;反之,这个值就已经计算过了,直接使用即可。
记搜代码
#include <cstring>
#include <iostream>
const int MAXN = 1e3 + 10;
const int INF = 0x3f3f3f3f;
// INF 为特殊值,且不会在最终结果中出现,容易用 memset 赋值
int n, a[MAXN][MAXN], f[MAXN][MAXN];
int dfs(int x, int y) {
if (f[x][y] != INF) return f[x][y];
// 如果已经计算过,直接返回
return f[x][y] = a[x][y] + std::max(dfs(x + 1, y), dfs(x + 1, y + 1));
// 进行计算,利用了 C++ 赋值表达式有返回值的特性
}
int main() {
memset(f, 0x3f, sizeof(f)); // 赋值为 INF
std::cin >> n;
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= i; ++j)
std::cin >> a[i][j];
std::cout << dfs(1, 1) << std::endl;
return 0;
}
记搜时空复杂度分析
时间复杂度
由于每个结点只会被计算一次,所以时间复杂度与 结点数量同级,为 O ( n 2 ) \mathcal O(n^2) O(n2)。
空间复杂度(不严谨)
同爆搜,空间复杂度为 O ( n ) \mathcal O(n) O(n)。
循环版动态规划
递归 → \to → 循环
递归由于需要调用栈,所以通常效率略低于循环(但是一般不差这一点时间)。由于记搜需要向下许多层,所以考虑从下往上,从左往右依次 dfs
每个结点,这样 dfs
的栈就限制在了一层,加快了时间。
由于 dfs
只限制在了一层,所以我们可以发现 dfs
的外壳可以根本不需要,直接循环遍历即可。
循环动归思路(简略)
定义数组 f x , y f_{x, y} fx,y 表示从最后一行走到 ( x , y ) (x, y) (x,y) 经过的所有路径的最大值。
其中 ( x , y ) (x, y) (x,y) 的两个转移路径分别是从 ( x + 1 , y ) (x+1,y) (x+1,y) 和 ( x + 1 , y + 1 ) (x+1,y+1) (x+1,y+1) 进行转移,所以容易得出动态规划转移方程 f x , y = max { f x + 1 , y + w x , y , f x + 1 , y + 1 + w x , y } = max { f x + 1 , y , f x + 1 , y + 1 } + w x , y f_{x,y}=\max\{f_{x+1,y}+w_{x,y},f_{x+1,y+1}+w_{x,y}\}=\max\{f_{x+1,y},f_{x+1,y+1}\}+w_{x,y} fx,y=max{fx+1,y+wx,y,fx+1,y+1+wx,y}=max{fx+1,y,fx+1,y+1}+wx,y。其中 w x , y w_{x,y} wx,y 表示 ( x , y ) (x,y) (x,y) 上的数值。
循环动归代码
#include <iostream>
const int MAXN = 1e3 + 10;
int n, a[MAXN][MAXN], f[MAXN][MAXN];
// a 为读入的数字三角形, f 为状态数组
int main() {
std::cin >> n;
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= i; ++j) std::cin >> a[i][j], f[i][j] = a[i][j];
// f[i][j] = a[i][j] 是为了方便避免将 f[n][1~n] 重新赋值为 a[n][1~n],直接写可以节省码量
for (int i = n - 1; i; --i) // 从最后一行往上遍历
for (int j = 1; j <= i; ++j)
f[i][j] += std::max(f[i + 1][j], f[i + 1][j + 1]); // 根据状态转移方程转移
std::cout << f[1][1] << std::endl;
// f[1][1] 表示从最后一行走到 (1,1) 的所有路径的最大值,写就是最后所求
return 0;
}
循环动归时空复杂度分析
时间复杂度
显然,该代码时间复杂度为 O ( n 2 ) \mathcal O(n^2) O(n2)。
空间复杂度
由于定义了两个 n × n n\times n n×n 的数组,所以空间复杂度为 O ( n 2 ) \mathcal O(n^2) O(n2)。
空间优化
观察代码发现,a
数组读入后就没有再次使用过,且读入后立即 f[i][j]=a[i][j]
,所以发现 a
数组并没有存在的必要,可以直接省略掉。
#include <iostream>
const int MAXN = 1e3 + 10;
int n, f[MAXN][MAXN];
int main() {
std::cin >> n;
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= i; ++j) std::cin >> f[i][j]; // 直接用 f 代替 a
for (int i = n - 1; i; --i)
for (int j = 1; j <= i; ++j)
f[i][j] += std::max(f[i + 1][j], f[i + 1][j + 1]);
std::cout << f[1][1] << std::endl;
return 0;
}