动态规划阶段性总结

概念：通过枚举子问题的各种情况，找出子问题的最优值，再利用子问题的最优值求解原问题的最优解
关键：找出状态转移方程
一般思路：
1判断问题属性，是否可以使用动态规划求解
2把问题分解成若干个子问题
3建立状态转移方程
4找出边界条件并带入方程
5递归求解

思路问题
以B题为例子，乍一看，一开始的思路想到了上课讲的洛谷P1280 尼克的任务的变形，
调试了一遍发现状态转移条件不一样，B题还要额外考虑休息和交叉的时间，即奶牛的第i次挤奶结束时间和第j次挤奶开始时间间隔不小于休息时间r。之后的问题就只有dp数组的初始化上了（循环语句初始化奶牛第i次挤奶的产奶量，dp[i]=奶牛从开始到第i次挤奶的产奶量至少包括第i次挤奶）最终代码如下：

#include <iostream>
#include <algorithm>
#include <map>
using namespace std;
int n,m,r,dp[1001];
struct time
{
    int start;
    int en;
    int effect;
}t[1001];
bool cmp(time a,time b)
{
    return a.en<b.en;
}
int main()
{
    cin>>n>>m>>r;
    for(int i=1;i<=m;i++)
    {
        cin>>t[i].start>>t[i].en>>t[i].effect;
    }
    sort(t+1,t+1+m,cmp);
    for(int i=1;i<=m;i++)
      dp[i]=t[i].effect;
    int ans=0;
    for(int i=1;i<=m;i++)
    {
        for(int j=i+1;j<=m;j++)
        {
            if(t[i].en+r<=t[j].start)//奶牛的第i次挤奶结束时间加上休息时间R小于等于第j次挤奶开始时间
                dp[j]=max(dp[i]+t[j].effect,dp[j]);
        }
        ans=max(ans,dp[i]);
    }
    cout<<ans<<endl;
    return 0;
}

感受：有一说一，调出来一题所花的的时间越来越有点超出我的计划了，库里还有好几个调到一半卡住了的代码，毕竟同时还要兼顾数分高代两门不落下，搞得我现在都有点弄不清主次了（时间的相互挤压令人头大）…不过还是要继续努力了，先定个小目标，把库里的5个代码调出来吧… …