动态规划__数字三角形

写了这么久程序，总是卡在动态规划，这次，准备集中攻克一下

        如果我们能够保存已解决的子问题的答案，而在需要时简单查一下，这样我们就可以避免大量的重复计算，从而得到多项式时间的算法。

        为了实现上述算法，我们用一个数组来记录所有已解决的子问题的答案，无论子问题以后是否被用到，只要它被计算过，就将其存入数组中，这种方法在程序设计中被称为动态规划。

 

由浅到难进行攻克，选择【牛客网——数字三角形】作为第一题。同时也是IOI’94年的题

网址是：https://www.nowcoder.com/practice/88c6d56d78974869aac605a0d26deded?tpId=3&&tqId=10888&rp=8&ru=/activity/oj&qru=/ta/hackathon/question-ranking

 

【题目描述】

如下所示为一个数字三角形：

7
3  8
8  1  0
2  7  4  4
4  5  2  6  5

请编一个程序计算从顶到底的某处的一条路径，使该路径所经过的数字的总和最大

每一步可沿直线向下或右斜线向下走。

1<三角形行数≤100

三角形中的数字为整数0，1，。。。，99

 

【输入描述】

输入包含多组。每组数据的第一行包含一个正整数n（1≤n≤100），代表三角形的层数。
紧接着有n行数字，第i（1≤i≤n）行包含i个自然数。

 

【输出描述】

对应每组数据，输出最大的和。

 

 

看到了题目要求是会输入多组，哎。。。。怎么输入多组呢？

C++解决方法:

int n;

while (cin >> n)

{

    //执行的方法

}

JAVA解决方法：

Scanner sc=new Scanner(System.in);

while(sc.hasNext()) {

    int n = sc.nextInt();

    //执行的方法

}

 

分析：

由于某个点只可能走到它的下方或斜下方（如图8向下到2，向斜下到7）。也可以这么看，7只能由8或1到达。

7

3   8
8  1   0

↓↘↓
2  7  4   4
4   5   2   6   5

因此，最优路径必定与其左上方或正上方两个位置的最优路径有关。（7的最优路径必定于8或1的最优路径有关）

 

用二维数组a来记录数字三角形中的数，a[ i , j ]表示数字三角形中第i行的第j个数。

用二维数组m记录每个位置的最优路径的数字总和。

计算数组m用逐行递推的方法实现。

 

关键公式：m[ i , j ] = a[ i , j ] + max{ m[ i+1 , j ] , m[ i+1 ,j+1]}

 

例：

a[ 2 , 0] = 8

a[ 3 , 0] = 2  a[ 3 , 1 ] = 7

m[ 2 , 0] = a[2 , 0 ] + max{ m[ 3 , 0 ] , m[ 3 , 1 ]}

 

JAVA代码：

import java.util.Arrays;
import java.util.Scanner;
public class Main {

	public static void main(String[] args) {
		int n;//行数
		int[][] a;//存放三角形
		int[][] m;//存放运算结果
		Scanner sc = new Scanner(System.in);
		while(sc.hasNext())
		{
			
			n = sc.nextInt();
			a = new int[n][n];
			m = new int[n][n];
			for (int i7=0;i7<n;i7++)
			Arrays.fill(m[i7], 0);
			for(int i1=0;i1<n;i1++)
			{
				for(int i2=0;i2<=i1;i2++)
				{
					a[i1][i2]=sc.nextInt();
				}
			}
			for(int i3=0;i3<n;i3++)
			{
				m[n-1][i3] = a[n-1][i3];
			}
			if(n>1)
			{
				for(int i=n-2;i>=0;i--)
				{
					for(int j=0;j<=i;j++)
					{
						if(m[i+1][j]>m[i+1][j+1])
						{
							m[i][j]=a[i][j]+m[i+1][j];
						}
						else
						{
							m[i][j]=a[i][j]+m[i+1][j+1];
						}
					}
				}
			}
			System.out.println(m[0][0]);
		}
		
	}

}