Noip2000,方格取数题解(DP)

本文介绍了一种解决二维动态规划问题的方法,通过压缩状态空间来提高效率。具体地,利用了两个行走者路径的特性,将四维状态压缩为三维,并针对不同区域给出了状态转移方程。

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

  (题目描述截自洛谷)



标签:二维DP

题解:

 假定是两个速度相同的人分别从A走到B,由于题目的数据规模很小,可以用f[x1,y1,x2,y2]表示第一个人走到(x1,y1),第二个人走到(x2,y2)时可取到的最大值,四维状态。但是注意到x1+y1=x2+y2,所以用记k=x1+y1=x2+y2,将状态就可以压缩为f[k,x1,x2]。这是通常的做法。我的做法是将x1+y1=k的点从右上到左下依次编号为1,2,3...n-abs(k-n),f[k,i,j]表示当横纵坐标和为k,一个人走到编号为i,另一个人走到编号为j时可取的最大值。想法很自然,但是实现时给我带来了一些麻烦。

      沿由右上到左下的对角线将图分为两个部分,左上部分1<=k<=n,右下部分n+1<=k<=2*n-1,这两部分状态转移方程不同。

      一个点可以由上方,左方的点转换过来。对于f[k,i,j],当1<=k<=n时,与之相关的点是f[k-1,i,j],f[k-1,i-1,j],f[k-1,i,j-1],f[k-1,i-1,j-1];但当n+1<=k<=2*n-时,与之相关的点是f[k-1,i,j],f[k-1,i+1,j],f[k-1,i,j+1],f[k-1,i+1,j+1]。当走到f[k,i,j]时,当1<=k<=n时,新取到的数是a[k-i+1,i],a[k-j+1,j];当n+1<=k<=2*n-1时,新取到的数是a[n-i+1,k-n+i],a[n-j+1,k-n+j]。注意当i=j时的判重,即得状态转移方程:

         f[k,i,j]=max{f[k-1,i,j],f[k-1,i-1,j],f[k-1,i,j-1],f[k-1,i-1,j-1] } +a[k-i+1,i]+a[k-j+1,j]  (1<=k<=n,1<=i,j<=n-abs(k-n),i<>j)

         f[k,i,j]=max{ f[k-1,i,j],f[k-1,i-1,j],f[k-1,i,j-1],f[k-1,i-1,j-1] } +a[k-i+1,i]  (1<=k<=n,1<=i,j<=n-abs(k-n),i=j)

         f[k,i,j]=max{ f[k-1,i,j],f[k-1,i+1,j],f[k-1,i,j+1],f[k-1,i+1,j+1] }+a[n-i+1,k-n+i]+a[n-j+1,k-n+j] (n+1<=k<=2*n-1,1<=i,j<=n-abs(k-n),i<>j)

         f[k,i,j]=max{ f[k-1,i,j],f[k-1,i+1,j],f[k-1,i,j+1],f[k-1,i+1,j+1] }+a[n-j+1,k-n+j] (n+1<=k<=2*n-1,1<=i,j<=n-abs(k-n),i=j)


代码实现:

       最终的代码实现如下:

Var i,j,k,n,m,l,x,y,z:longint;
    a:array[0..10,0..10]of longint;
    f:array[0..20,0..20,0..20]of longint;
function max(x,y:longint):longint;
 Begin if x>y then exit(x) else exit(y); End;
Begin
 readln(n);
 for i:=1 to n do
  for j:=1 to n do a[i,j]:=0;
 readln(x,y,z);
 while x+y<>0 do
  Begin a[x,y]:=z; readln(x,y,z) End;
 for k:=1 to 20 do
  for i:=0 to 20 do
   for j:=0 to 20 do f[k,i,j]:=0;
 f[1,1,1]:=a[1,1];
 for k:=2 to n do
  for i:=1 to k do
   for j:=1 to k do
    Begin f[k,i,j]:=max(f[k-1,i,j],f[k-1,i,j-1]);
          f[k,i,j]:=max(f[k,i,j],f[k-1,i-1,j-1]);
          f[k,i,j]:=max(f[k,i,j],f[k-1,i-1,j]);
          f[k,i,j]:=f[k,i,j]+a[k-i+1,i]+a[k-j+1,j];
          if i=j then f[k,i,j]:=f[k,i,j]-a[k-i+1,j];
    End;
 for k:=n+1 to 2*n-1 do
  for i:=1 to 2*n-k do
   for j:=1 to 2*n-k do
    Begin f[k,i,j]:=max(f[k-1,i,j],f[k-1,i,j+1]);
          f[k,i,j]:=max(f[k,i,j],f[k-1,i+1,j+1]);
          f[k,i,j]:=max(f[k,i,j],f[k-1,i+1,j]);
          l:=n-i+1;
          f[k,i,j]:=f[k,i,j]+a[n-i+1,k-n+i]+a[n-j+1,k-n+j];
          if i=j then f[k,i,j]:=f[k,i,j]-a[n-i+1,k-n+i];
    End;
 write(f[2*n-1,1,1]);
End.


### NOIP 2000 提高组 方格问题分析 该问题属于经典的动态规划类题目,目标是在给定的一个二维矩阵中选若干个不相邻的字使得总和最大。此问题可以通过状态转移的方式解决。 #### 动态规划的核心思路 定义 `dp[i][j]` 表示到达第 `i` 行第 `j` 列时能够得的最大值之和[^1]。由于每次移动仅能向右或者向下,因此可以得出如下状态转移方程: 对于任意位置 `(i, j)` 的状态更新方式为: \[ dp[i][j] = \text{matrix}[i][j] + \max(dp[i-1][j], dp[i][j-1]) \] 其中需要注意边界条件处理以及初始值设定。当处于第一行或第一列时,路径的选择会受到限制[^2]。 #### 边界情况考虑 如果当前单元位于网格的第一行,则只能由左侧进入;同理,若当前位置处在首列,则唯一可能来自上方。这些特殊情况需单独初始化以确保计算准确性[^3]。 ```python def max_sum(matrix): m, n = len(matrix), len(matrix[0]) # 初始化 DP dp = [[0]*n for _ in range(m)] # 设置起点 dp[0][0] = matrix[0][0] # 填充第一行 for j in range(1, n): dp[0][j] = dp[0][j-1] + matrix[0][j] # 填充第一列 for i in range(1, m): dp[i][0] = dp[i-1][0] + matrix[i][0] # 完成剩余部分填充 for i in range(1,m): for j in range(1,n): dp[i][j] = max(dp[i-1][j], dp[i][j-1]) + matrix[i][j] return dp[-1][-1] ``` 以上代码片段展示了如何通过构建辅助组来记录每一步的最佳决策过程,并最终返回全局最优解。 #### 复杂度评估 时间复杂度主要决于遍历整个输入矩阵所需的操作次,即 O(M*N),这里 M 和 N 分别代表矩阵的高度与宽度。空间复杂度同样为 O(M*N),因为我们需要额外的空间存储中间结果以便后续访问[^4]。
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