### 分析
为了解决这个问题,我们可以采用自底向上的动态规划方法。这种方法的核心思想是从数字三角形的底部开始,逐层向上计算到达每个节点的最大路径和,直到达到顶部。这样做的好处是我们只需要一次遍历就可以得到最终结果,而且还能很容易地回溯找到最大路径。
### 步骤
1. 创建一个二维数组 `dp`,其大小与输入的数字三角形相同,用于存储到达每个节点的最大路径和。
2. 从数字三角形的最后一行开始,初始化 `dp` 的最后一行为数字三角形的最后一行。
3. 从倒数第二行开始向上遍历每一行,对于每个节点,更新其 `dp` 值为当前节点值加上其下方两个节点 `dp` 值的较大者。
4. 在到达三角形顶部后,`dp[0][0]` 即为最大路径和。
5. 为了找到路径,从顶部开始向下遍历,每次选择 `dp` 值较大的那个方向移动,直到达到三角形的底部。
### 代码
#include <iostream>
#include <vector>
using namespace std;
int main() {
int n;
cin >> n;
vector<vector<int>> triangle(n, vector<int>(n, 0));
vector<vector<int>> dp(n, vector<int>(n, 0));
vector<vector<int>> path(n, vector<int>(n, -1)); // To track the path
// Read input
for (int i = 0; i < n; ++i) {
for (int j = 0; j <= i; ++j) {
cin >> triangle[i][j];
}
}
// Initialize dp with the last row of triangle
for (int i = 0; i < n; ++i) {
dp[n-1][i] = triangle[n-1][i];
}
// Bottom-up calculation
for (int i = n - 2; i >= 0; --i) {
for (int j = 0; j <= i; ++j) {
if (dp[i+1][j] > dp[i+1][j+1]) {
dp[i][j] = triangle[i][j] + dp[i+1][j];
path[i][j] = j;
} else {
dp[i][j] = triangle[i][j] + dp[i+1][j+1];
path[i][j] = j + 1;
}
}
}
// Output the maximum sum
cout << dp[0][0] << endl;
// Find and output the path
int j = 0;
for (int i = 0; i < n; ++i) {
cout << triangle[i][j] << " ";
j = path[i][j]; // Move to the next column in the path
}
cout << endl;
return 0;
}
### 总结
通过动态规划,我们可以有效地解决数字三角形问题,不仅能计算出最大路径和,还能找到构成这个最大和的路径。这种自底向上的方法避免了重复计算,提高了效率。