滑雪(百练1088) (dp+dfs)

1 篇文章 0 订阅

解题思路 

L(i,j)表示从点(i,j)出发的最长滑行长度。  一个点(i,j), 如果周围没有比它低的点,L(i,j) = 1  
否则  

递推公式: L(i,j)  等于(i,j)周围四个点中,比(i,j)低,且L值最大的那个点 的L值,再加1   


转移方程很容易想到,但是我没想到的是需要结合dfs,我又不会dfs(什么都不会),所以一道很简单的水题都做不出来,看题解的时候有一步不是很懂,就是按高度从小到大排序,想不明白为什么,但是dp+dfs时不需要排序,所以不知道排序的方法怎么做的,而且排序的复杂度为n^2,但是dp+dfs应该不是n^2,要比n^2大一点,所以还待需弄懂。

我写的很挫,所以看别人的代码时很难看懂。。。。wuwu~~~

#include <iostream>
#include <cstring>
#include <cstdio>
#include <cmath>
#include <algorithm>
using namespace std;
#define N 105
int dp[N][N],n,m,a[N][N];
//dp[i][j]表示的是以a[i][j]为开始的最长路径,
//表示以a[i][j]为结尾的最长路径也可以,只需dfs稍微改变一下符号

int dfs(int i,int j)
{
    if(dp[i][j]>0)
        return dp[i][j];
    dp[i][j]=1;
    if(i-1>=1&&a[i][j]>a[i-1][j])
        dp[i][j]=max(dfs(i-1,j)+1,dp[i][j]);
    if(j-1>=1&&a[i][j]>a[i][j-1])
        dp[i][j]=max(dp[i][j],dfs(i,j-1)+1);
    if(i+1<=n&&a[i][j]>a[i+1][j])
        dp[i][j]=max(dp[i][j],dfs(i+1,j)+1);
    if(j+1<=m&&a[i][j]>a[i][j+1])
        dp[i][j]=max(dp[i][j],dfs(i,j+1)+1);
    return dp[i][j];
}
int main()
{
    int maxn=0,i,j;
    cin>>n>>m;
    memset(dp,0,sizeof(dp));
    for(int i=1; i<=n; i++)
    {
        for(int j=1; j<=m; j++)
            cin>>a[i][j];
    }
    for( i=1; i<=n; i++)
    {
        for(j=1; j<=m; j++)
        {
            maxn=max(dfs(i,j),maxn);
        }
    }
    cout<<maxn<<endl;
    return 0;
}

题目描述 给出一个$n\times m$的矩阵,每个位置上有一个非负整数,代表这个位置的海拔高度。一开始时,有一个人站在其中一个位置上。这个人可以向上、下、左、右四个方向移动,但是只能移动到海拔高度比当前位置低或者相等的位置上。一次移动只能移动一个单位长度。定义一个位置为“山顶”,当且仅当从这个位置开始移动,可以一直走到海拔高度比它低的位置上。请问,这个矩阵中最多有多少个“山顶”? 输入格式 第一行两个整数,分别表示$n$和$m$。 接下来$n$行,每行$m$个整数,表示整个矩阵。 输出格式 输出一个整数,表示最多有多少个“山顶”。 样例输入 4 4 3 2 1 4 2 3 4 3 5 6 7 8 4 5 6 7 样例输出 5 算法1 (递归dp) $O(nm)$ 对于这道题,我们可以使用递归DP来解决,用$f(i,j)$表示以$(i,j)$为起点的路径最大长度,那么最后的答案就是所有$f(i,j)$中的最大值。 状态转移方程如下: $$ f(i,j)=\max f(x,y)+1(x,y)是(i,j)的下一个满足条件的位置 $$ 注意:这里的状态转移方程中的$x,y$是在枚举四个方向时得到的下一个位置,即: - 向上:$(i-1,j)$ - 向下:$(i+1,j)$ - 向左:$(i,j-1)$ - 向右:$(i,j+1)$ 实现过程中需要注意以下几点: - 每个点都需要搜一遍,因此需要用双重for循环来枚举每个起点; - 对于已经搜索过的点,需要用一个数组$vis$来记录,防止重复搜索; - 在进行状态转移时,需要判断移动后的点是否满足条件。 时间复杂度 状态数为$O(nm)$,每个状态转移的时间复杂度为$O(1)$,因此总时间复杂度为$O(nm)$。 参考文献 C++ 代码 算法2 (动态规划) $O(nm)$ 动态规划的思路与递归DP类似,只不过转移方程和实现方式有所不同。 状态转移方程如下: $$ f(i,j)=\max f(x,y)+1(x,y)是(i,j)的下一个满足条件的位置 $$ 注意:这里的状态转移方程中的$x,y$是在枚举四个方向时得到的下一个位置,即: - 向上:$(i-1,j)$ - 向下:$(i+1,j)$ - 向左:$(i,j-1)$ - 向右:$(i,j+1)$ 实现过程中需要注意以下几点: - 每个点都需要搜一遍,因此需要用双重for循环来枚举每个起点; - 对于已经搜索过的点,需要用一个数组$vis$来记录,防止重复搜索; - 在进行状态转移时,需要判断移动后的点是否满足条件。 时间复杂度 状态数为$O(nm)$,每个状态转移的时间复杂度为$O(1)$,因此总时间复杂度为$O(nm)$。 参考文献 C++ 代码
评论
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