行亦谦ACM自闭之旅第四周

行亦謙

已于 2022-10-22 23:44:09 修改

阅读量148

点赞数

分类专栏： ACM 文章标签：算法

于 2022-08-07 19:54:56 首次发布

本文链接：https://blog.csdn.net/m0_62828020/article/details/126215656

版权

ACM 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

一、树和二叉树

树(逻辑上)的特点

1.有且仅有一个结点没有前驱结点,该结点为树的根结点；
2.除了根结点外,每个结点有且仅有一个直接前驱结点；
3.包括根结点在内，每个结点可以有多个后继结点。

完全二叉树 总数奇数 叶子结点比非叶子结点多一（总数/2+1）
          总数偶数 叶子结点和非叶子结点一样多（总数/2）

提示：root也是结点，只是没有父结点的结点

二、递推

递推法是一种重要的数学方法，在数学的各个领域中都有广泛的运用，也是计算机用于数值计算的一个重要算法。
递推算法的首要问题是得到相邻的数据项间的关系（即递推关系）。递推算法避开了求通项公式的麻烦，把一个复杂的问题的求解，分解成了连续的若干步简单运算。一般说来，可以将递推算法看成是一种特殊的迭代算法。

递推的特点
可用递推算法求解的题目一般有以下两个特点：

1、问题可以划分成多个状态；
2、除初始状态外，其它各个状态都可以用固定的递推关系式来表示。
在我们实际解题中，题目不会直接给出递推关系式，而是需要通过分析各种状态，找出递推关系式。

常见公式

fn=f(n-1)+4(n-1)+1;//折线
fn=f(n-1)+f(n-2)//方块1

三、动态规划 Dynamic Programming

动态规划法设计算法一般分成三个阶段：

（1）分段：将原问题分解为若干个相互重叠的子问题；
（2）分析：分析问题是否满足最优性原理，找出动态规划函数的递推式；
（3）求解：利用递推式自底向上计算，实现动态规划过程。 
动态规划法利用问题的最优性原理，以自底向上的方式从子问题的最优解逐步构造出整个问题的最优解

例题

数塔问题

Title Description

 设有一个三角形的数塔，顶点为根结点，每个结点有一个整数值。从顶点出发，可以向左走或向右走，如图所示
 若要求从根结点开始，请找出一条路径，使路径之和最大，只要输出路径的和。

Input

第一行为n(n<10)，表示数塔的层数
从第2行至n+1行，每行有若干个数据，表示数塔中的数值。

Output

输出路径和最大的路径值。

Sample input

5
13
11  8
12  7  26
6  14  15  8
12  7  13  24  11

Sample Output

AC代码

#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#include <string.h>
using namespace std;

int main(){
  //freopen("input.txt", "r", stdin);
  //freopen("output.txt", "w", stdout);
  ios::sync_with_stdio(false);
  cin.tie(0);//加快速度
  int n, a[100][100];
  cin >> n;
  for(int i=1; i<=n; i++){
    for(int j=1; j<=i; j++){//三角形j<=i,不然储存会有问题;
      cin >> a[i][j];
      
    }
  }

  for(int i=n-1; i>=1 ; i--){
    for(int j=1; j<=i; j++){
      if(a[i+1][j] >= a[i+1][j+1]){
        a[i][j] += a[i+1][j];
        
      }else{
        a[i][j] += a[i+1][j+1];
        
      }

    }
  }
  cout << a[1][1];
  return 0;
}

位数问题