第五周总结

动态规划

动态规划是对解最优化问题的一种途径，一种方法而不是一种特殊算法。
定义：
在多阶段决策问题中各个阶段采取的决策， 一般来说是与阶段有关的，决策依赖于当前状态，又随机引起状态的转移，一个决策序列就是在变化的状态中产生出来的，故有动态的含义，我们称这种解决多阶段决策优化的过程为动态的化程序设计方法。
组成：
1.阶段
2.状态（变量）
3.决策
4.（最优）策略
5.状态转移方程
能用动态规划求解的问题类型：
必须满足最优化原理和无后效性原则。——对于不能划分阶段的问题，不能用动态规划来解；对于能划分阶段，但不符合最优化原理的，也不能用动态规划解；既能划分阶段，又有符合最优化原理的，但不具备无后效性原则，还是不能用动态规划来解。

题目:
观察下面的数字金字塔。写一个程序查找从最高点到底部任意处结束的路径，使路径经过数字的和最大。每一步可以从当前点走到左下方的点也可以到达右下方的点。

在上面的样例中,从13到8到26到15到24的路径产生了最大的和86。
输入:
第一个行包含R(1≤ R≤1000)，表示行的数目。
后面每行为这个数字金字塔特定行包含的整数。
所有的被供应的整数是非负的且不大于100。
输出
单独的一行，包含那个可能得到的最大的和。
样例输入：

5
13
11 8
12 7 26
6 14 15 8
12 7 13 24 11

输出样例:

86

可以用两种动态方法如下：
1.顺推法：

#include<iostream>
#include<algorithm>
using namespace std;
const int MAXN=1005;
int a[MAXN][MAXN],F[MAXN][MAXN],n;

int main()
{
    cin>>n;
    for(int i=1;i<=n;i++)
        for(int j=1;j<=i;j++)
        cin>>a[i][j];
    F[1][1]=a[1][1];
    for(int i=2;i<=n;i++)
        for(int j=1;j<=i;j++)
    F[i][j]=max(F[i-1][j-1],F[i-1][j])+a[i][j];

    int ans=0;
    for(int i=1;i<=n;i++)
        ans=max(ans,F[n][i]);
    cout<<ans<<endl;
    return 0;
}

2.逆推法：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;

int main()
{
    int n,x,y;
    int a[51][51][4];
    cin>>n;
    memset(a,0,sizeof(a));
    for(x=1;x<=n;x++)
        for(y=1;y<=x;y++)
    {
        cin>>a[x][y][1];
        a[x][y][2]=a[x][y][1];       //路径走向向下
        a[x][y][3]=0;
    }
        for(x=n-1;x>=1;x--)
        for(y=1;y<=x;y++)
        if(a[x+1][y][2]>a[x+1][y+1][2])
        {
            a[x][y][2]+=a[x+1][y][2];
            a[x][y][3]=0;

        }
            else
            {
                a[x][y][2]+=a[x+1][y+1][2];
                a[x][y][3]=1;

            }
            cout<<"max="<<a[1][1][2]<<endl;

}

输出步骤的话可在后面加上：

            y=1;
            for(x=1;x<=n-1;x++)
            {
                cout<<a[x][y][1]<<"到";
                y+=a[x][y][3];

            }
            cout<<a[n][y][1]<<endl;

做动态的题我认为是比较开放的，方法也有很多，这也就意味着更加难以想出来，是比较有难度的，所以要在平常中多加练习。