acm_JL的博客

#include #define NUM 100int c[NUM][NUM];int b[NUM][NUM];void LCSLength(int m, int n, const char x[],char y[])//求解最长公共子序列的长度的最优解值c[m][n] { int i,j; for (i = 1; i <= m; i++) c[i][0] = 0;//将第一行第

#includeusing namespace std;int main(){ int a[100],i,n; int b=0,sum=0; int begin,besti,bestj; cin>>n; for(i=1;i<=n;i++) cin>>a[i]; for(i=1;i<=n;i++) { if(b>0) b+=a[i]; else { b

#include #define MAX_NUM 5#define MAX_WEIGHT 10using namespace std;//动态规划求解int zero_one_pack(int total_weight, int w[], int v[], int flag[], int n) { int c[MAX_NUM+1][MAX_WEIGHT+1] = {0}; //c[

#include#includechar array[10001];int MaxLen[10001];//最长递增子序列void LIS(){ memset(MaxLen,0,sizeof(MaxLen)); int len = strlen(array); for(int i = 0;i < len;i++){ MaxLen[i] = 1; for(int j = 0;

计算从三角形的顶到底的一条路径，使得该路径经过的数字总和最大解题思路：自底向上逐层选择相加，动态规划状态转移方程: t[i][j]=t[i][j]+max(t[i+1][j]，t[i+1][j+1])； i=n-2,n-3,n-4.......,0.       0

求最大子矩阵和的时候,思路是取出两行i,j,,把这两行之间同一列的都加起来形成另外一个数组,求这个数组的最大子段和,求出来的这个和,就是这两行之间高度为i-j的子矩阵中最大的和.#include#includeusing namespace std;int n,a[100][100],c[100];//求解最大字段和 int maxsegment(){ int i; int s

算法分析：dp记忆化搜索+dfs#includeusing namespace std;int grad[100][100],result[100][100];int next[4][2]={{0,1},{0,-1},{1,0},{-1,0}};int n,m;int Search(int x,int y){ int ty,tx; int maxs=0; //大于0说明搜索

通过金矿模型介绍动态规划         对于动态规划，每个刚接触的人都需要一段时间来理解，特别是第一次接触的时候总是想不通为什么这种方法可行，这篇文章就是为了帮助大家理解动态规划，并通过讲解基本的01背包问题来引导读者如何去思考动态规划。本文力求通俗易懂，无异性，不让读者感到迷惑，引导读者去思考，所以如果你在阅读中发现有不通顺的地方，让你产生错误理解的地方，让你难得读懂的地方，请跟贴

目录   一、动态规划初探      1、递推      2、记忆化搜索      3、状态和状态转移      4、最优化原理和最优子结构      5、决策和无后效性 二、动态规划的经典模型       1、线性模型       2、区间模型       3、背包模型       4、状态压缩模型       5、树状模型三、动态规划