HDU - 4826(dp)

本博客介绍了一道有趣的编程题目,主角度度熊在一个m*n的矩阵迷宫中探险,目标是从左上角出发,通过最优路径收集最多的金币到达右上角。文章详细解析了动态规划算法的应用,通过状态转移方程实现迷宫探索,最终找到获得最大金币数的路径。

度度熊是一只喜欢探险的熊,一次偶然落进了一个m*n矩阵的迷宫,该迷宫只能从矩阵左上角第一个方格开始走,只有走到右上角的第一个格子才算走出迷宫,每一次只能走一格,且只能向上向下向右走以前没有走过的格子,每一个格子中都有一些金币(或正或负,有可能遇到强盗拦路抢劫, 度度熊身上金币可以为负,需要给强盗写欠条),度度熊刚开始时身上金币数为0,问度度熊走出迷宫时候身上最多有多少金币? 

Input

输入的第一行是一个整数T(T < 200),表示共有T组数据。 
每组数据的第一行输入两个正整数m,n(m<=100,n<=100)。接下来的m行,每行n个整数,分别代表相应格子中能得到金币的数量,每个整数都大于等于-100且小于等于100。

Output

对于每组数据,首先需要输出单独一行”Case #?:”,其中问号处应填入当前的数据组数,组数从1开始计算。 
每组测试数据输出一行,输出一个整数,代表根据最优的打法,你走到右上角时可以获得的最大金币数目。

Sample Input

2
3 4
1 -1 1 0
2 -2 4 2
3 5 1 -90
2 2
1 1
1 1

Sample Output

Case #1:
18
Case #2:
4

思路:

状态及转移。

dp[i][j][1]表示(i,j)这个格子从上面,左面转移来的最大值。

dp[i][j][2]表示(i,j)这个格子从下面,左面转移来的最大值。

dp[i][j][0]表示走到(i,j)这个格子的最大值。

代码:

#include <cstdio>
#include <iostream>
#include <cstring>
#include <vector>
#include <cmath>
#include <algorithm>
#include <map>
using namespace std;
#define ll long long
const int maxn = 110;
const int INF = 0x3f3f3f3f;
int a[maxn][maxn];
int dp[maxn][maxn][10];
int main()
{
	int t;
	scanf("%d", &t);
	int T = 1;
	while (t--)
	{
		int n, m;
		memset(a, 0, sizeof(a));
		memset(dp, -0x3f3f3f3f, sizeof(dp));
		scanf("%d%d", &n, &m);
		for (int i = 1;i <= n;i++)
		{
			for (int j = 1;j <= m;j++)
			{
				scanf("%d", &a[i][j]);
			}
		}
		dp[1][1][0] = a[1][1];
		for (int i = 2;i <= n;i++)
		{
			dp[i][1][0] = dp[i - 1][1][0] + a[i][1];
		}

		for (int i = 2;i <= m;i++)
		{
			dp[1][i][1] = dp[1][i - 1][0] + a[1][i];
			for (int j = 2;j <= n;j++)
			{
				dp[j][i][1] = max(dp[j - 1][i][1] + a[j][i], dp[j][i - 1][0] + a[j][i]);
			}
			dp[n][i][2] = dp[n][i - 1][0] + a[n][i];
			dp[n][i][0] = max(dp[n][i][1], dp[n][i][2]);
			for (int j = n - 1;j >= 1;j--)
			{
				dp[j][i][2] = max(dp[j + 1][i][2] + a[j][i], dp[j][i - 1][0] + a[j][i]);
				dp[j][i][0] = max(dp[j][i][1], dp[j][i][2]);
			}
		}
		printf("Case #%d:\n", T++);
		printf("%d\n", dp[1][m][0]);
	}

	return 0;
}

 

 

HDU-3480 是一个典型的动态规划问题,其题目标题通常为 *Division*,主要涉及二维费用背包问题或优化后的动态规划策略。题目大意是:给定一个整数数组,将其划分为若干个连续的子集,每个子集最多包含 $ m $ 个元素,并且每个子集的最大值与最小值之差不能超过给定的阈值 $ t $,目标是使所有子集的划分代价总和最小。每个子集的代价是该子集最大值与最小值的差值。 ### 动态规划思路 设 $ dp[i] $ 表示前 $ i $ 个元素的最小代价。状态转移方程如下: $$ dp[i] = \min_{j=0}^{i-1} \left( dp[j] + cost(j+1, i) \right) $$ 其中 $ cost(j+1, i) $ 表示从第 $ j+1 $ 到第 $ i $ 个元素构成一个子集的代价,即 $ \max(a[j+1..i]) - \min(a[j+1..i]) $。 为了高效计算 $ cost(j+1, i) $,可以使用滑动窗口或单调队列等数据结构来维护区间最大值与最小值,从而将时间复杂度优化到可接受的范围。 ### 示例代码 以下是一个简化版本的动态规划实现,使用暴力方式计算区间代价,适用于理解问题结构: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 0x3f3f3f3f; const int MAXN = 10010; int a[MAXN]; int dp[MAXN]; int main() { int T, n, m; cin >> T; for (int Case = 1; Case <= T; ++Case) { cin >> n >> m; for (int i = 1; i <= n; ++i) cin >> a[i]; dp[0] = 0; for (int i = 1; i <= n; ++i) { dp[i] = INF; int mn = a[i], mx = a[i]; for (int j = i; j >= max(1, i - m + 1); --j) { mn = min(mn, a[j]); mx = max(mx, a[j]); if (mx - mn <= T) { dp[i] = min(dp[i], dp[j - 1] + mx - mn); } } } cout << "Case " << Case << ": " << dp[n] << endl; } return 0; } ``` ### 优化策略 - **单调队列**:可以使用两个单调队列分别维护当前窗口的最大值与最小值,从而将区间代价计算的时间复杂度从 $ O(n^2) $ 降低到 $ O(n) $。 - **斜率优化**:若问题满足特定的决策单调性,可以考虑使用斜率优化技巧进一步加速状态转移过程。 ### 时间复杂度分析 原始暴力解法的时间复杂度为 $ O(n^2) $,在 $ n \leq 10^4 $ 的情况下可能勉强通过。通过单调队列优化后,可以稳定运行于 $ O(n) $ 或 $ O(n \log n) $。 ### 应用场景 HDU-3480 的问题模型可以应用于资源调度、任务划分等场景,尤其适用于需要控制子集内部差异的问题,如图像分块压缩、数据分段处理等[^1]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值