资源限制:时间限制:1.0s 内存限制:256.0MB
问题描述:有一个N x N的方格,每一个格子都有一些金币,只要站在格子里就能拿到里面的金币。你站在最左上角的格子里,每次可以从一个格子走到它右边或下边的格子里。请问如何走才能拿到最多的金币。
输入格式:第一行输入一个正整数n。
以下n行描述该方格。金币数保证是不超过1000的正整数。输出格式:最多能拿金币数量。
样例输入:3
1 3 3
2 2 2
3 1 2样例输出:11
数据规模和约定:n<=1000
该题不是简单地比较右边和下边的金币数值然后走出一条路,而是要求一条路,这条路上的所有金币值加起来最大。有两种方法,第一个是暴力求解,求出所有的路的金币之和然后求最大的,第二是运用动态规划。
动态规划DP: 确定二维数组大小为n*n,将金币数字存入nums[n][n]。观察题目,可以建立二维数组存储累加最大金币数目,称为dp[i][j],其中i、j表示当前所在格子的行和列。
1、 确定初始范围:从左上角开始走,规定只能往右边或者下面走,确定最左上角为初始值,令dp[0][0] = nums[0][0];
如下图所示,可以一层一层往里面深入,dp存储最大金币路径。首先是最外层的最左边的一列,因为不能往左边走,因此如果出现在最左边的一列,那一定是径直往下走的,而不是先走到了右边又拐回来的,因此可以用dp[i][0] = dp[i - 1][0] + nums[i][0]表示最左边的一列的状态值,当前状态等于上一个状态(前面的路径上所有金币之和)加现在格子里的金币数。
同样地,最上面一行也是如此,因为走到最上面的格子里也只能横着走,因此用dp[0][i] = dp[0][i - 1] + nums[0][i]表示最上面一行当前状态的金币之和(最大金币数——只有一条路,也不得不最大)。
2、 状态转移函数:写状态转移函数,就是找从一个阶段向另一个阶段过度的具体形式,描述的是两个相邻子问题之间的关系(递推式)。例如黄格子A,A可由B和C走过来,要求最大的金币数量之和,就看B和C哪个存储的“路径金币之和”最大,(dp的每个格子存储的是当前路径金币之和最大值),B和C都是存储的走到该格路径金币最大的数值,现在要求A,就看B和C哪个大,哪个大就加上A的金币数目作为到A点的路径金币之和最大值。因此i和ji都从1开始,用dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + nums[i][j]表示最优子结构,表示当前路径金币之和最大值。
nums = []
for i in range(n):
nums.append(list(map(int, input().split())))#读取每一行的金币数目
dp = []
for i in range(n):
dp.append([0] * n)#创建一个n*n的全零的二维数组
#dp存储走过的路径的金币之和
#确定初始范围
dp[0][0] = nums[0][0]#将左上角的金币值赋给dp[0][0]
for i in range(1, n):
dp[i][0] = dp[i - 1][0] + nums[i][0]#往下边走
dp[0][i] = dp[0][i - 1] + nums[0][i]#往右面走。初始状态
#状态转移函数
for i in range(1, n):
for j in range(1, n):
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + nums[i][j]#选出当前位置的上面和左面最大的累加再加上脚下的金币数,保存到dp中
print(dp[n - 1][n - 1])