题目:
在上面的数字三角形中寻找一条从顶部到底边的路径,使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或右下走。只需要求出这个最大和即可,不必给出具体路径。
三角形的行数大于1小于等于100,数字为 0 - 99。
输入格式:
5 //三角形行数。下面是三角形
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
样例输出
30
注: 下面有三个程序,1.递归思路2.动态规划3.动态规划改进
这是一个典型的递归问题。
D(r, j)出发,下一步只能走D(r+1,j)或者D(r+1, j+1)返回最大路径,并且当到达停止。
#include <iostream>
#include <algorithm>
#define MAX 101
using namespace std;
int D[MAX][MAX];
int n;
int MaxSum(int i, int j){
if(i==n)
return D[i][j];
int x = MaxSum(i+1,j);
int y = MaxSum(i+1,j+1);
return max(x,y)+D[i][j];
}
int main(){
int i,j;
cin >> n;
for(i=1;i<=n;i++)
for(j=1;j<=i;j++)
cin >> D[i][j];
cout << MaxSum(1,1) << endl;
}
虽然方法简单,但是如果数据变得很大那速度就会很慢。
如果采用递规的方法,深度遍历每条路径,存在大量重复计算。则时间复杂度为 2n,对于 n = 100 行,肯定超时。
动态规划思路:
和递归思路思路不同,动态规划从下到上计算,但加一个数组来记录最优的方案就可以一次性解决问题。
#include <iostream>
#include <cmath>
using namespace std;
int a[105][105];
int p[105][105];
int main()
{
int N;
cin>>N;
for(int i=1;i<=N;i++)
for(int j=1;j<=i;j++){
cin>>a[i][j];
if(i==N)p[i][j]=a[i][j];//存入最后一行的最优解
}
for(int i=N-1;i>=1;i--){
for(int j=1;j<=i;j++){
p[i][j]=max(p[i+1][j],p[i+1][j+1])+a[i][j];
}
}
cout<<p[1][1]<<endl;
return 0;
}
动态规划的空间优化:
其实动态规划的存放结果的数组不需要这么大,因为当你在n层的时候,只需要第n+1层的最优解,不需要n+2层的最优解,并且从左到右找最优解时,你正下方的最优解,目前到以后都只能被你使用,所以总结就只需一个一维数组即可。
当“8”这数字找出最优解之后,“2”这个数字其实没必要用了,所以8的最优解可以占领“2”的空间。
#include <iostream>
#include <cmath>
#include <algorithm>
using namespace std;
int a[105][105];
int *p;
int main()
{
int N;
cin>>N;
for(int i=1;i<=N;i++)
for(int j=1;j<=i;j++)
cin>>a[i][j];
p=a[N];//p指向a的最后一行
for(int i=N-1;i>=1;i--){
for(int j=1;j<=i;j++){
p[j]=max(p[j],p[j+1])+a[i][j];
}
}
cout<<p[1]<<endl;
return 0;
}
参考于程序设计与算法(二)算法基础郭炜
https://www.icourse163.org/learn/PKU-1001894005?tid=1450413466#/learn/content?type=detail&id=1214952558