【剑指offer】礼物的最大价值（动态规划）

题目描述

在一个 m*n 的七品的每一格都放有一个礼物，每个礼物都有一定的价值（价值大于0）。你可以从七品的左上角开始拿格子里的礼物，并每次向右或向下移动一格，知道到达棋盘的右下角。给定一个棋盘及其上面的礼物，请计算你最多能拿到多少价值的礼物？

例如，在下面的七品中，如果沿着带下划线的数字的线路（1,12,5，7,7，16,5），那么我们能拿到最大价值为53的礼物。

思路

这是一个典型的能用动态规划解决的问题。我们先用递归的思路分析。首先我们定义一个函数 f(i,j) 表示到达坐标为 (i,j) 的格子时能拿到的礼物的最大价值。根据题目要求，我们有两种路径达到坐标为(i,j)的格子，分别是坐标(i-1,j)和(i,j-1) 。
所以有 f(i,j) = max(f(i-1,j), f(i,j-1)) + m(i,j)
递归的实现有大量重复计算，所以采用基于循环的代码效率要高得多。为了缓存中间结果，我们使用一个辅助的二维数组。数组中坐标为(i,j) 的元素表示到达坐标为 (i,j) 的格子时能拿到的礼物的最大价值。

/*
 * 用二维数组缓存中间计算结果
 * 时间复杂度O(n^2) 空间复杂度O(n^2)
 */
class Solution {
public:
    int getMaxValue(vector<vector<int>> nums){
        if(nums.empty() || nums[0].empty()) return 0;
        vector<vector<int>> maxValue(nums.size(), vector<int> (nums[0].size(),0));
        for (int i = 0; i < nums.size(); ++i) {
            for (int j = 0; j < nums[0].size(); ++j) {
                int left = 0;
                int up = 0;
                if (i>0)
                    up = maxValue[i-1][j];
                if (j>0)
                    left = maxValue[i][j-1];

                maxValue[i][j] = max(up,left) + nums[i][j];
            }
        }
        return maxValue.back().back();
    }
};

考虑进一步优化。到达坐标(i,j)时能拿到的礼物最大价值只与坐标(i-1,j)和(i,j-1)有关。因此第i-2行及更往上的所有格子的最大价值实际上没有必要保存。
我们可以用一个一维数组替代前面使用的二维数组maxValue。当我们在计算坐标为(i,j)的格子能够得到的最大价值时，该数组的前j个数字分别是当前第i行前面j个格子礼物的最大价值，而之后的数字分别保存前面第i-1行n-j个格子礼物的最大价值。
即[f(i,0),f(i,1),...f(i,j-1) ... f(i-1,j),f(i-1,j+1)...f(i-1,n-1)]

/*
 * maxValue[i][j]只与maxValue[i-1][j]和maxValue[i][j-1]相关
 * 因此i-2行及更上面的所有中间结果不必保存
 * 用一维数组缓存中间计算结果
 * 时间复杂度O(n^2) 空间复杂度O(n)
 */
class SolutionII {
public:
    int getMaxValue(vector<vector<int>> nums){
        if(nums.empty() || nums[0].empty()) return 0;
        vector<int> maxValue(nums.size(), 0);
        for (int i = 0; i < nums.size(); ++i) {
            for (int j = 0; j < nums[0].size(); ++j) {
                int left = 0;
                int up = 0;
                if (i>0)
                    up = maxValue[j];
                if (j>0)
                    left = maxValue[j-1];

                maxValue[j] = max(up,left) + nums[i][j];
            }
        }
        return maxValue.back();
    }
};