【Python蓝桥杯】拿金币 有一个N x N的方格,每一个格子都有一些金币,只要站在格子里就能拿到里面的金币。你站在最左上角的格子里,每次可以从一个格子走到它右边或下边的格子里。

最近在刷蓝桥杯题目，按题目做一下笔记整理，顺便分享交流一下，有更好的解决方案欢迎大家共同提出探讨，以下源代码为系统提交满分答案

拿金币

问题描述

资源限制
Python时间限制：5.0s
问题描述
有一个N x N的方格,每一个格子都有一些金币,只要站在格子里就能拿到里面的金币。你站在最左上角的格子里,每次可以从一个格子走到它右边或下边的格子里。请问如何走才能拿到最多的金币。
输入格式
第一行输入一个正整数n。
以下n行描述该方格。金币数保证是不超过1000的正整数。
输出格式
最多能拿金币数量。
样例输入
3
1 3 3
2 2 2
3 1 2
样例输出
11
数据规模与约定
n<=1000

源代码

n = int(input())
#  创建列表
dp = []
#  为列表添加数据
for i in range(n):
    dp.append(list(map(int,input().split())))
#  计算边界值
for i in range(1,n):
    dp[0][i] += dp[0][i-1]
    dp[i][0] += dp[i-1][0]
#  计算其他数
for i in range(1,n):
    for j in range(1,n):
        dp[i][j] += max(dp[i-1][j],dp[i][j-1])
#  输出最后一位数，即最大金币数
print(dp[-1][-1])

问题分析

当我们看到题目的时候，可能大多数人想到了每走一步判断右侧和下方的大小，哪大走哪，这样走到最后就是最大数，但事实果真如此吗，我们用下面这个例子分析一下，图一（蓝）为我们所设想的走法，图二（黄）为最大的走法：


理想数据为38，而实际最大数据为49，通过比较，很显然，这路径不是金币最多的路径，可以看出这种做法比较浅显，无法看到较远的目标，有点像贪心算法。
该题为经典的DP(动态规划)问题，需要使用DP(动态规划)思想解决
什么是DP（动态规划）呢？
用非人话说，DP基本性质：
1、问题具有最优⼦结构性质：问题所包含的⼦问题的解也是最优的。
2、⽆后效性：算⼀步是⼀步，只会存储当前的运算结果。为下⼀步计算提供结果。
DP的解题核心：写出递归问题的转移⽅程并确定转移⽅程的边界条件。
用人话转述就是：一个问题可以被分解为诸多子问题，每一个求解结果都依赖于上一步的结果，同时在计算中需要注意边界值的判断
我们可以尝试将每个格子内的最大金币数计算出来,这样当我们求到最后一个数时，最后一个数的值就是我们所要求的最大金币数的值。每个格子的最大金币数应该是左侧或上方最大数+格子本身数量，如图示

通过图示同时我们注意到：
1.最左上角的数值无需计算
2.最左侧的数值仅依赖上侧数值，最上方的数值仅依赖左侧数值
3.其余数值均为max（左，上）+本身
当遍历计算完成后，右下角的数值即我们所求的最大金币数（二维列表中最后一个元素 dp[-1][-1]）

---

更多题目，点击查看👇
Python蓝桥杯 基础练习题目整理👈
Python蓝桥杯 算法训练题目整理👈
Python蓝桥杯 算法提高题目整理👈
Python蓝桥杯 历届真题题目整理👈
Python蓝桥杯 练习系统题目整理（全）👈