DP动态规划解三角最大路径(动态规划学习之一) z


题:
图示出了一个数字三角形,请编一个程序,
计算从顶至底的某处的一条路劲,
使该路劲所经过的数字的总和最大。
图如下:
    7
   3  8
  8  1  0
 2  7  4  4
4  5  2  6  5
(1) 每一步可沿左斜线向下或右斜线向下;
(2) 1<三角形行数≤100;
(3) 三角形中的数字为0,1,……99。
输入数据:
由INPUT.TXT文件中首先读到的是三角形的行数,
在例子中INPUT.TXT表示如图。

输入:
5
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
 
解题:
这个题用DP解是最为方便的,假定M(i,j)为第i层上第j个点的最大路径点,那么M(i,j)=max(M(i+1,j),M(i+1,j+1))+B(i,j);其中i层次从上到下递增,B(i,j)为三角在i,j位置的值。这样这个大问题就可以划归一些小的可重复的问题来求解,另外还有一点,就是,其中有重复求解地方,例如,计算M(1,0)是计算一次M(2,1),计算M(1,1)时又计算一次M(2,1),这样符合动态规划求解的2个特征:
[1]最优子结构;[2]子问题的重叠性;
这里我们用一个数组结构来记录每次的状态,避免重复计算
详细代码如下:


 

#include "iostream"
#include "fstream"
#include "vector"
using namespace std;
int tri[100][100];
int tri_max[100][100];
int tri_col[100];
int layer; //the layer of the trigle

int maxpath(int i,int j)
{
        if(i == layer) return 0; //the last layer is layer+1 and the value is 0

        if(tri_max[i][j] == -1)
        {
                int max1=maxpath(i+1,j);
                int max2=maxpath(i+1,j+1);
                if(max1 > max2)
                {
                        tri_max[i][j]=max1+tri[i][j];
                        tri_col[i+1]=j;
                }else{
                        tri_max[i][j]=max2+tri[i][j];
                        tri_col[i+1]=j+1;
                }
        }
        return tri_max[i][j];
}
int main()
{
        ifstream fin("trigle.txt");
        fin>>layer;
// cout<<layer;

        int i,j;
        //initial max trigle

        for(i=0;i<100;i++)
                for(j=0;j<100;j++)
                        tri_max[i][j] = -1;
        for(i=0;i<layer;i++)
        {
                for(j=0;j<i+1;j++)
                {
                        fin>>tri[i][j];
                }
        }
        int sum = maxpath(0,0);
        cout<<"the sum of max path is:"<<sum<<endl;
        cout<<"the column of the path is :";
        for(i=0;i<layer;i++)
        {
                cout<<tri_col[i]+1<<"->";
        }
}


<script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script>
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值