【算法】【动态规划篇】第3节：数字三角形问题

本期任务：介绍算法中关于动态规划思想的几个经典问题

【算法】【动态规划篇】第1节：0-1背包问题

【算法】【动态规划篇】第2节：数字矩阵问题

【算法】【动态规划篇】第3节：数字三角形问题

【算法】【动态规划篇】第4节：硬币找零问题

【算法】【动态规划篇】第5节：剪绳子问题

【算法】【动态规划篇】第6节：最低票价问题

【算法】【动态规划篇】第7节：最长子串问题

【算法】【动态规划篇】第8节：最大正方形问题

【算法】【动态规划篇】第9节：乘积最大子数组问题

【算法】【动态规划篇】第10节：最长连续序列问题

---

一、问题描述

"""
    有一个由非负整数组成的三角形，第一行只有一个数，除了最下行之外每个数的左下方和右下方各有一个数.

        1
       3 2
     4 10 1
    4 3 2 20

    从第一行的数开始，每次可以往左下或右下走一格，直到走到最下行，把沿途经过的数全部加起来，如何走才能使得这个和尽量大？

    输入：三角形的行数n，数字三角形的各个数（从上到下，从左到右）
    n=4
    [1, 3, 2, 4, 10, 1, 1, 3, 2, 20]
    
    输出：最大的和
    24

"""

---

二、算法思路

本题的解法与数字矩阵问题大同小异，可以阅读【算法】【动态规划篇】第2节：数字矩阵问题，加深对此类问题的理解。

1. 策略选择

一个模型：

• 数字三角形问题是典型的“多阶段决策最优解”问题，每一层决策一次，共决策n次（n为数字三角形行数）；最优解是最长路径值。

三个特征：

• 重复子问题：

  • 不同的决策序列，到达某个相同的阶段时，可能会产生重复的状态。
  • 本题中，不同的路径可能到达相同的位置，如示例中的数字10对应位置的状态由$(1,3,10)$和$(1,2,10)$

• 无后效性：

  • 前面阶段的状态确定之后，不会被后面阶段的决策所改变。一般而言，满足多阶段决策最优解模型的问题都满足无后效性，特例情况，如八皇后问题、解数独问题等。

• 最优子结构：

  • 后面阶段的状态可以通过前面阶段的状态推导出。
  • 本题中，每一个状态都可以通过上一轮的状态推倒而来，如示例中的数字10对应位置的状态由数字10与上一行的数字3和2对应状态中较大者的值共同决定。

综上所述，本问题满足一个模型、三个特征，所以可以使用动态规划来求解。
当然，凡是能用动态规划解决的问题，都可以用回溯思想来暴力求解，具体实现代码文末已给出，更多关于回溯思想的应用，可以参照：【算法】【回溯篇】第7节：0-1背包问题

---

2. 动态规划算法思路

动态规划使用的流程：自顶向下分析问题，自底向上解决问题！

• 由于本题给定的是用一维数组表示的二维矩阵，所以需要对数组元素进行重新编号，并用字典（代码中的new2old）来保存新旧编号的关系，以方便后续访问。（大白话：明明是二维矩阵，非得给我一个一维数组，嘿嘿，不熟，换回来。）
• 使用与原矩阵规模一致的二维维数组来保存从第0行到任意位置的最短路径长度。
• 更新过程（状态转移思路）：
  • (0, 0)到(i, j)的最长路径为：当前位置的值+(0, 0)到上一轮两个父节点的最长路径的较大者
    $dp\_arr[i][j]=arr[new2old.get((i,j))]+max(dp\_arr[i-1][j],dp\_arr[i-1][j-1])$

---

三、Python代码实现

1. 动态规划解法

class Solution():
    def reindex(self, arr):
        """
        由于输入的是一个一维数组，而且数字三角形不满足完全二叉树的特性，需要重新编号
        """
        d = list()
        index_i = 0
        index_j = 0
        for i in range(len(arr)):
            d.append((index_i, index_j))
            index_j += 1
            if index_i < index_j:
                index_i += 1
                index_j = 0
        d = {item[1]: item[0] for item in enumerate(d)}  # 由新标号反推就编号
        return d

    def dp(self, n, arr):
        """
        使用动态规划法求解数字三角形问题
        :param n: 三角形高度
        :param arr: 保存三角形数据的一维数组
        :return: 最大路径值
        """
        new2old = self.reindex(arr)  # 对数组进行重新标号，方便后续访问左右孩子（三角形不同于完全二叉树）
        dp_arr = [[0 for j in range(i + 1)] for i in range(n)]  # 维护一个三角形的数组用来存储max_dist(i,j)

        dp_arr[0][0] = arr[0]  # 初始化首个元素
        for i in range(1, n):
            dp_arr[i][0] += arr[new2old.get((i, 0))] + dp_arr[i - 1][0]  # 初始化第一列元素
            dp_arr[i][i] += arr[new2old.get((i, i))] + dp_arr[i - 1][i - 1]  # 初始化对角线元素

        # 填写各阶段重复子问题的最优解
        for i in range(2, n):
            for j in range(1, i):
                # (0, 0)到(i, j)的最长路径为：当前位置的值+(0, 0)到上一轮两个父节点的最长路径的较大者
                dp_arr[i][j] = arr[new2old.get((i, j))] + max(dp_arr[i - 1][j], dp_arr[i - 1][j - 1])

        return max(dp_arr[-1])  # 返回最后一行的最大值


def main():
    arr = [1, 3, 2, 4, 10, 1, 1, 3, 2, 20]
    n = 4

    client = Solution()
    print(client.dp(n, arr))


if __name__ == '__main__':
    main()

运行结果：

24

2. 回溯解法

class Solution():
    def reindex(self, arr):
        """
        由于输入的是一个一维数组，而且数字三角形不满足完全二叉树的特性，需要重新编号
        """
        d = list()
        index_i = 0
        index_j = 0
        for i in range(len(arr)):
            d.append((index_i, index_j))
            index_j += 1
            if index_i < index_j:
                index_i += 1
                index_j = 0
        d = {item[1]: item[0] for item in enumerate(d)}  # 由新标号反推就编号
        return d

    def trackback(self, n, arr):
        self.size = n
        self.arr = arr
        self.max_v = 0
        self.new2old = self.reindex(arr)  # 对数组进行重新标号，方便后续访问左右孩子（三角形不同于完全二叉树）
        self.helper(0, 0, 1)
        return self.max_v

    def helper(self, index_i, index_j, value):
        if index_i == self.size - 1:  # 当遍历到最后一行时进行结算
            if self.max_v < value:
                self.max_v = value
            return
        self.helper(index_i + 1, index_j, value + self.arr[self.new2old[(index_i + 1, index_j)]])
        self.helper(index_i + 1, index_j + 1, value + self.arr[self.new2old[(index_i + 1, index_j + 1)]])


def main():
    arr = [1, 3, 2, 4, 10, 1, 1, 3, 2, 20]
    n = 4

    client = Solution()
    print(client.trackback(n, arr))


if __name__ == '__main__':
    main()

运行结果：

24