最大总和问题

 最大总和问题

将正整数排成等边三角形（也叫数塔），三角形的底边有个数，下图给出了的一个例子。从三角形顶点出发通过一系列相邻整数（在图中用正方形表示），如何使得到达底边时的总和最大？

问题分析与解决思路

数塔由顶部到底部的路径，由顶向下考虑和由底向上考虑，算法都是一样的。这里为了明确结果，给出由底向上分析时的解题思路。

将数塔的规模缩小到只有顶部3层，可以简单地分析出，最大总和为第二层最大的总和加上第一层自身，拓展到一般情况，第二层每一个单位最大的总和为它下一层连接的数中，最大的那一个。将结论推向至整个数塔，即第i行第j项的数，它到底部的最大总和，为第i+1行第j项和第i+1行第j+1项中较大那一个，与第i行第j项的和。设tower[i][j]为原数塔第i行第j项，result[i][j]为第i行第j项为数塔顶时的最大总和问题结果，公式表达为：

result[i][j] = tower[i][j] + max(result[i+1][j], result[i+1][j+1])

得到状态转移方程，于是可利用动态规划求解该问题。

算法描述

记数塔（tower）的规模，即数塔的层数为n。

我们将上述分析过程和解决的思路进一步归纳为以下步骤：

（1）初始化结果数塔（result ）最底层为原数塔最底层。

（2）根据result[i][j] = tower[i][j] + max(result[i+1][j], result[i+1][j+1])，由底向上地开始计算结果数塔，同时也可以利用另一个表用于记录路径。

（3）返回结果数塔，其中result[0][0]为该问题的结果。

复杂度分析

数塔可以用邻接矩阵描述，而使用动态规划时同样创建了一张动态规划表，所以使用到的数据结构为二维数组。

本算法初始化时有n次赋值操作，加上运算时(1+2+...+n-1)次赋值操作，一共n+(1+2+...+n-1)次赋值，所以时间复杂度为θ(n^2)。

运算时创建了一个额外的二维数组——结果数塔，所以空间复杂度为n2，所以空间复杂度为θ(n^2)。

运行结果

利用了matplotlib输出。

原塔

结果塔

代码

from pprint import pprint
import networkx as nx
import matplotlib.pyplot as plt
def dataTower(tower):
    heigh = len(tower)
    lenth = len(tower[heigh-1])
    result = [[None for x in range(lenth)] for y in range(heigh)]
    path = [[None for x in range(lenth)] for y in range(heigh)]
    #初始化结果数塔最底层
    for i in range(lenth):
        result[heigh-1][i] = tower[heigh-1][i]
    #开始计算结果数塔及路径
    for i in range(heigh-2, -1, -1):
        for j in range(i+1):
            if(result[i+1][j] > result[i+1][j+1]):
                result[i][j] = tower[i][j] + result[i + 1][j]
                path[i][j] = '|'
            else:
                result[i][j] = tower[i][j] + result[i+1][j+1]
                path[i][j] = '`'
    return result, path
def draw(G, note_labels, position, values=None):
    plt.figure()
    nx.draw_networkx_nodes(G, pos=position, node_color=values if values 
else 'w' , node_size=300)
    nx.draw_networkx_edges(G, pos=position)
    nx.draw_networkx_labels(G, position, labels=note_labels, font_size=8)
if __name__ == '__main__':
    tower = [
        [9],
        [12,15],
        [10,6,8],
        [2,18,9,5],
        [19,7,10,4,16]
    ]
    heigh = len(tower)
    lenth = len(tower[heigh-1])
    G = nx.DiGraph()
    for i in range(heigh-1):
        for j in range(i+1):
            G.add_edge((i,j), (i+1,j))
            G.add_edge((i,j), (i+1,j+1))
    note_labels = dict()
    for p in G.nodes:
        note_labels[p] = tower[p[0]][p[1]]
    position = dict()
    position[(0,0)] = (0, 0)
    for i in range(heigh-1):
        for j in range(i+1):
            pos = position[(i,j)]
            position[(i+1,j)] = (pos[0]-0.5, pos[1]-1)
            position[(i+1,j+1)] = (pos[0]+0.5, pos[1]-1)
    #输出原图形
    draw(G, note_labels, position)
    #动态规划求结果
    result, path = dataTower(tower)
    pprint(result)
    pprint(path)
    note_labels = dict()
    for p in G.nodes:
        note_labels[p] = result[p[0]][p[1]]
    colors = dict()
    colors[(0,0)] = 'c'
    j = 0
    for i in range(heigh-1):
        if path[i][j] == '|':
            colors[(i+1,j)] = 'c'
        elif path[i][j] == '`':
            j += 1
            colors[(i+1,j)] = 'c'
        else:
            colors[(i+1,j)] = 'w'
    values = [colors.get(node, 'w') for node in G.nodes()]
    #输出结果路径
    draw(G, note_labels, position, values)
    plt.show()