算法基础：数字三角形--递归，动态规划

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