动态规划解决树的最大权重路径问题

问题描述：将一个由N行数字组成的三角形，如下图实列，设计一个算法，计算处三角形的由顶值至底的
  一条路径，使得该路径经过的数字总和是最大的(最大权重)

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

动态规划的思路：这倒题目，只要知道有递归这个神奇东西的同学，肯定会想要用DFS深度优先搜索去逐层遍历每个节点，直至到底端，再不断的回溯...选择....再回溯....，问题是，这种深度优先搜索的方法，耗时非常的大，性能不高，特别是当给出的数据很大的时候，根本就解不出来。。。因为有很多点重复的进行递归回溯，导致求解问题的时间非常糟糕。如果有一个数据结构，可以记录每个状态，那就可以节省重复的工作从而提升效率。

用动态规划的办法解决这道题是非常高效的，使用该方法的前提是要找到初始状态以及状态转义方程。运用递归求解的时候经常是从上往下依次递归，不妨我们倒过来思考一下，可不可以从下往上递推回去呢？？这道题要求我们求一条权重最大的路径，我的想法是，首先定义一个状态数组dp[x][y]去记录每个节点的累计权重(即该节点的子节点中，权重较大的一条路径的权重之和)，其中x代表第x行，y是第x行中的第y列。其次呢，我们要选择初始状态，既然从最后一层开始向上递推，且最后层的节点没有子节点，故这一层中的dp[x][y]就相当于自身的权重值。确定了初始状态后，我们就需要确定递推公式了！很容易的可以知道，树中的每个父节点有两个子节点，要确定最大权重路径，就要从两个子节点中比较他们的dp值，选择其中较大的并加上父节点自身的权重，得到的值即为父节点的dp值。。。依次类推，直到到达顶点，结束递推，而顶点的dp[0][0]即为最大权重路径的总值。故此递推公式为：dp[x][y]=(dp[x+1][y+1]+map[x][y]>dp[x+1][y]+map[x][y]?dp[x+1][y+1]+map[x][y]:dp[x+1][y]+map[x][y]) 。其中map[x][y]即为该节点的权重！

实现代码：

1. public class TreeProblem {
2.     public static void main(String[] args) {
3.         int [][]map=
4.             {{7,0,0,0,0},
5.              {3,8,0,0,0},
6.              {8,1,0,0,0},
7.              {2,7,4,4,0},
8.              {4,5,2,6,5}
9.              };
10.         //总共有多少行
11.         int n=map.length;
12.         //保存每个节点的累计权重的状态数组
13.         int [][]dp=new int[n][n];
14.         //自底向上，一次递推处一条到顶点最大权重的路径,第一步要初始化最底层的dp状态
15.         for(int i=0;i<n;i++){
16.             /*map[n-1][i];其中n-1代表树中的最后一排，i则是第i个子节点
17.               因为最后排没有它自己的子节点了，故此dp[n-1][i]即是map[n-1][i]
18.             */
19.             dp[n-1][i]=map[n-1][i];
20.         }
21.         //开始从下往上一次递推到顶点处，顶点的累积值dp[0][0]即为最大权重
22.         //x=n-2即为从树中的倒数第二行开始(因为倒数第一行的dp值全知道且没有子节点)
23.         for(int x=n-2;x>=0;x--){
24.             for(int y=0;y<=x;y++){
25.                 //状态转义方程
26.                 dp[x][y]=(dp[x+1][y+1]+map[x][y]>dp[x+1][y]+map[x][y]?
27.                                    dp[x+1][y+1]+map[x][y]:
28.                                        dp[x+1][y]+map[x][y]
29.                           );
30.                 
31.             }
32.         }
33.         
34.         System.out.println(dp[0][0]);
35.     }
36. }