网格取数 dp c++

本文介绍了一种经典问题的动态规划解决方案,即如何通过一个N*M的数字网格,从左上角到右下角选择路线,使得经过的数字之和最大。通过递推公式和代码实现,展示了如何利用动态规划求解这一路径问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有N*M的方格,每个方格里面有一个数字。你从左上角开始出发,每次可以进入右边一个方格或下面一个方格,不准出界。问你选择怎样的线路到达右下角时,线路上的数字和最大?

输入格式

第1行:2个正整数N和M,范围[2,100]。

   下面N行,每行M个整数,每个整数范围[-100,100]

输出格式

  一个整数。

输入/输出例子1

输入:

3 3

1 2 3

4 5 6

9 9 9

输出:

32

一道经典的动态规划,那么,上代码
!!!!!!

#include<bits/stdc++.h>
using namespace std;
long long n,m,a[1005][1005],b[1005][1005];
int main(){
    cin>>n>>m;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            cin>>a[i][j];
        }
    }
    for(int i=1;i<=n;i++)
	{
        for(int j=1;j<=m;j++)
		{
            if(i==1&&j==1)
				b[i][j]=a[i][j];
            else if(i==1)
				b[i][j]=b[i][j-1]+a[i][j];
            else if(j==1)
				b[i][j]=b[i-1][j]+a[i][j];
            else 
				b[i][j]=(b[i-1][j]>b[i][j-1])?b[i-1][j]+a[i][j]:b[i][j-1]+a[i][j];
            
        }
    }
    cout<<b[n][m];
    return 0;
}

嘿嘿……

### C++ 地宫宝问题的动态规划与深度优先搜索实现 #### 背景介绍 地宫宝问题是典型的组合优化问题之一,通常可以通过动态规划 (Dynamic Programming, DP) 或者深度优先搜索 (Depth First Search, DFS) 来解决。这类问题的核心在于如何在有限步内最大化收益或者找到最优解。 --- #### 动态规划方法解析 动态规划是一种通过分解子问题并存储中间结果来减少重复计算的方法。对于地宫宝问题,可以定义状态 `dp[i][j]` 表示到达第 `(i,j)` 位置时的最大价值[^1]。 以下是基于动态规划的地宫宝问题的伪代码逻辑: ```cpp #include <iostream> #include <vector> using namespace std; const int INF = 0x3f3f3f3f; int dp[105][105]; // 定义最大地图大小为100*100 int grid[105][105]; int n, m; // 地图行列 void initialize() { for(int i=0;i<=n;i++) { for(int j=0;j<=m;j++) { dp[i][j] = -INF; // 初始化为负无穷大 } } } // 主函入口 int main(){ cin >> n >> m; // 输入地图尺寸 for(int i=1;i<=n;i++){ for(int j=1;j<=m;j++){ cin >> grid[i][j]; // 输入每个格子的价值 } } initialize(); dp[1][1] = grid[1][1]; // 初始起点价值 for(int i=1;i<=n;i++){ for(int j=1;j<=m;j++){ if(i>1){ dp[i][j] = max(dp[i][j], dp[i-1][j]+grid[i][j]); // 上方转移 } if(j>1){ dp[i][j] = max(dp[i][j], dp[i][j-1]+grid[i][j]); // 左侧转移 } } } cout << dp[n][m] << endl; // 输出终点处的最大价值 } ``` 上述代码实现了二维网格上的动态规划求解过程,其中 `dp[i][j]` 的更新依赖于上方和左侧的状态转移[^2]。 --- #### 深度优先搜索方法解析 深度优先搜索适用于探索所有可能路径的情况,并记录每条路径中的最大值。为了防止超时,在实际应用中可加入剪枝策略以提升效率。 下面是基于深度优先搜索的地宫宝问题的实现代码: ```cpp #include <iostream> #include <vector> using namespace std; int grid[105][105]; bool visited[105][105]; int maxValue = 0; int pathValue = 0; int dx[] = {0, 1}; // 右下方向移动 int dy[] = {1, 0}; int n, m; void dfs(int x, int y){ if(x == n && y == m){ // 达到右下角目标点 maxValue = max(maxValue, pathValue); return ; } for(int k=0;k<2;k++){ // 遍历两个方向 int nx = x + dx[k]; int ny = y + dy[k]; if(nx >=1 && nx <=n && ny>=1 && ny<=m && !visited[nx][ny]){ visited[nx][ny] = true; pathValue += grid[nx][ny]; dfs(nx, ny); // 继续深搜 pathValue -= grid[nx][ny]; // 回溯恢复原状 visited[nx][ny] = false; } } } int main(){ cin >> n >> m; for(int i=1;i<=n;i++) for(int j=1;j<=m;j++) cin >> grid[i][j]; memset(visited, false, sizeof(visited)); visited[1][1] = true; pathValue = grid[1][1]; dfs(1, 1); cout << maxValue << endl; } ``` 此代码利用递归的方式遍历所有可行路径,并通过回溯机制确保每次尝试后能够正确还原现场。 --- #### 总结对比 两种方法各有优劣: - **动态规划**适合处理具有重叠子问题性质的任务,时间复杂度较低但空间需求较高; - **深度优先搜索**则更灵活,尤其当存在额外约束条件时表现更好,不过容易因指级增长而导致性能瓶颈。 因此,在具体应用场景中需根据实际情况选择合适的技术手段。 ---
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