算法训练——拿金币

算法训练——02拿金币

问题描述：

有一个N x N的方格,每一个格子都有一些金币,只要站在格子里就能拿到里面的金币。你站在最左上角的格子里,每次可以从一个格子走到它右边或下边的格子里。请问如何走才能拿到最多的金币。

输入格式：

第一行输入一个正整数n；

以下n行描述该方格。金币数保证是不超过1000的正整数。

输出格式：

最多能拿金币数量。

样例输入：

3

1 3 3

2 2 2

3 1 2

样例输出：

11

数据规模和约定：

n<=1000

附上代码：

#拿金币
n=int(input())
nums=[]
dp=[]

for i in range(n):
    #读取每一行的金币数目
    nums.append(list(map(int,input().split())))
for i in range(n):
    #创建一个n*n的全为0的二维数组
    dp.append([0]*n)

#将起始位置，即最左上角的金币值赋给dp[0][0]
#dp[i][j]代表移动至二维数组中第i行,第j列的位置时，此时存储累加的最大金币数目
#num[i][j]表示移动至某位置盒子里面拥有的金币数目
dp[0][0]=nums[0][0]

#确定初始范围
for i in range(1,n):
    #只能往下边走，表示最左边的一列的状态值，
    # 当前状态等于上一个状态（前面的路径上所有金币之和）加上现在格子里面的金币数
    dp[i][0]=dp[i-1][0]+nums[i][0]
    #只能往右边走，表示最上面一行当前状态的金币之和
    # (最大金币数——只有一条路，也不得不大)
    dp[0][i]=dp[0][i-1]+nums[0][i]

#状态转移函数
for i in range(1,n):
    for j in range(1,n):
        #最优子结构，表示当前路径金币之和的最大值
        dp[i][j]=max(dp[i-1][j],dp[i][j-1])+nums[i][j]

print(dp[n-1][n-1])

运行结果：

有关拿金币问题的思考：

本题不是简单的比较当处于某位置时，比较其右边和下边的金币数值，然后选择金币数值大的那条路径，而是要求解一条最佳路径，使得这条路径上所获得的金币数量最多；这属于一个典型的动态规划问题，因此用dp算法进行求解。

DP算法核心思想：

确定二维数组大小为n*n,将某位置的金币数存入nums[i] [j]中，当移动至二维数组中第i行,第j列的位置时，可以将此时存储累加的最大金币数存入dp[i] [j]。

边界

由于题目规定只能往右走或者往下走，在确定了从最左上角开始走时，我们可以令dp[0] [0]=nums[0] [0];这个时候就有两个特殊的边界情况需要处理，分别是第一行(dp[0] [i])和第一列(dp[i] [0])。

1、第一行(dp[0] [i])

因为题目规定，只能向下或者向右走，而第一行的格子，没有上一行，因此，只能说是由上一状态向右移动，这样一层一层的深入（个人感觉，有点套娃的感觉），我们可以发现，最上面的格子只能是横着走，即dp[0] [i]=dp[0] [i-1]+nums[0] [i]，表示该种边界状态的最大金币数。（因为只有一条路，所以一定是最大）

2、第一列(dp[i] [0])

和上面的边界情况类似，如果出现在第一列，没有左边的列，只能由上一状态不断劲直向下，即dp[i] [0]=dp[i-1] [o]+num[i] [0]。

状态转移函数

如上图所示，有C->A和B->A两条路径都可以抵达A，为了获得最大金币数，我们可以通过判断B和C哪个存储的“路径金币之和”最大，我们用dp[i] [j]表示从初始位置到该位置（[i] [j],第i行，第j列）存储累加的最大金币数。即dp[i] [j]=max(dp[i-1] [j],dpi] [j-1])+num[i] [j]。