蓝桥云课——跳跃 Python（动态规划）

 题目地址：跳跃 

        此题是一道比较经典又带有一定难度的动态规划题目，且听我慢慢道来（虽然不一定能讲明白：( ）

先输入数据：

n, m = map(int, input().split())
score = []
for i in range(n):
    score.append(list(map(int, input().split())))

        动态规划第一步，动态规划必要dp数组，我们先确定dp数组的含义，此题目要求求出权的最大值，那我们dp数组的含义便是所含最大权和，那么dp[n-1][m-1]便是我们要找的答案。

        动态规划第二部，也是最难的一步，便是确认dp数组，一旦确认的dp数组，代码和思路必然会好写很多，对于这道题，我们可以采用自顶向下的备忘录递归解法，在此，我们采用自底向上的动态规划解法。对于一般动态规划问题，我们经常采用先假设一个中间常量，然后思考如何才能到达这个中间项，以此题为例，假设我们在求解过程中到达了一个点dp[i][j]，我们如何才能到达这个点呢？以下图我们可以知道，黑色为假设点，其周围绿色的是可以到达假设点的所有点，而我们的目的就是求出权的最大值，所以dp方程的大体思路我们就知道了，dp[i][j] = max(dp[i][j]，???)，对于???来说，我们知道要求最大值，但是如何取到呢？我们可以采用设置jump数组来表示点的移动，所以dp方程为：dp[i][j] = max(dp[x][y], dp[i][j])

  设立jump数组：

jump = [[0, -1], [0, -2], [0, -3], [-1, 0], [-2, 0], [-3, 0], [-1, -1], [-1, -2], [-2, -1]]  # 表示移动方向

用for循环来实现点的移动：

        

for dx, dy in jump:
    x = i + dx
    y = j + dy

        动态规划第三步，初始化数据，因为dp数组中我们存在max()函数，所以我们先把dp数组值取最小，对于dp[0][0]来说，他就是初始点，没有任何一个点能从别的点到达此点，所以其值为初始值。

初始化：

dp = [[-99999] * m for _ in range(n)]
dp[0][0] = score[0][0]

注意设立二维数组时不能以以下语句：

dp = [[-99999] * n] * m

这样设置会导致你变化其中一行时，所有行都会变化，因为他们的地址是一样的。

完整代码：

n, m = map(int, input().split())
score = []
jump = [[0, -1], [0, -2], [0, -3], [-1, 0], [-2, 0], [-3, 0], [-1, -1], [-1, -2], [-2, -1]]  # 表示移动步数
for i in range(n):
    score.append(list(map(int, input().split())))
dp = [[-99999] * m for _ in range(n)]

dp[0][0] = score[0][0]
for i in range(n):
    for j in range(m):
        if i == j == 0:  # 起始点，已经不能再上下移动了
            continue
        for dx, dy in jump:  # 开始索引最大权值
            x = i + dx  # i不能变，因为i还要参与循环
            y = j + dy
            if x >= 0 and x < n and y >= 0 and y < m:  # 跳跃过程中不能越界
                dp[i][j] = max(dp[x][y], dp[i][j])  # dp方程
        dp[i][j] += score[i][j]  # 将最大的权值加上
        
print(dp[n - 1][m - 1])