Codevs1043 [方格取数]

本文介绍了一种使用动态规划解决特定棋盘问题的方法,即寻找两条路径使得从起点到终点取数之和最大。通过定义状态转移方程,实现了对N*N棋盘上的最优路径求解。

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

设有N*N的方格图(N<=10,我们将其中的某些方格中填入正整数,而其他的方格中则放入数字0。如下图所示(见样例):

这里写图片描述

某人从图的左上角的A 点出发,可以向下行走,也可以向右走,直到到达右下角的B点。在走过的路上,他可以取走方格中的数(取走后的方格中将变为数字0)。

此人从A点到B 点共走两次,试找出2条这样的路径,使得取得的数之和为最大。

输入描述 Input Description
输入的第一行为一个整数N(表示N*N的方格图),接下来的每行有三个整数,前两个表示位置,第三个数为该位置上所放的数。一行单独的0表示输入结束。

输出描述 Output Description
只需输出一个整数,表示2条路径上取得的最大的和。

样例输入 Sample Input
8

  2  3  13

  2  6   6

  3  5   7

  4  4  14

  5  2  21

  5  6   4

  6 3  15

  7 2  14

  0 0  0

样例输出 Sample Output
67


题解:用DP,与平常的棋盘DP不同的是此题是两个棋子一起走。

dp[i][j][k][l]表示第一颗棋子在(i,j), 第二颗在(k,l)时的最大取得数。

#include <cstdio>
#include <iostream>
using namespace std;
int a[15][15][15][15];
int mp[15][15];
int main(){
    int n;
    scanf( "%d", &n);
    int x = 1, b = 1, c;
    for (; x+b;){
        scanf( "%d%d%d", &x, &b, &c);
        mp[x][b] = c;       
    }
    for ( int i = 1; i <= n; i++)
      for ( int j = 1; j <= n; j++)
        for ( int k = 1; k <= n; k++)
          for ( int l = 1; l <= n; l++){
              a[i][j][k][l] += max( max( a[i-1][j][k-1][l], a[i-1][j][k][l-1] ), max( a[i][j-1][k-1][l], a[i][j-1][k][l-1] ) );
              a[i][j][k][l] += mp[i][j] + mp[k][l];
              if ( i == k && j == l ) a[i][j][k][l] -= mp[i][j]; 
          }
    printf( "%d", a[n][n][n][n]);
}
### 方格问题的动态规划算法实现 #### 问题描述 在一个 \( N \times N \) 的方格图中,某些方格填有正整值,其余为空白(即值为 0)。目标是从左上角 (\(1,1\)) 走到右下角 (\(N,N\)),允许走两次不同的路径,并使这两条路径上的字总和最大化。每经过一个方格,可以拾起其上的字。 --- #### 解决思路 此问题可以通过 **二维动态规划** 来解决。由于需要考虑两条不重叠的路径,因此状态设计较为复杂。以下是具体分析: 1. **定义状态变量** 设定四维的状态表示方式: - \( dp[x1][y1][x2][y2] \): 表示第一条路径到达坐标 (\(x1,y1\)) 和第二条路径到达坐标 (\(x2,y2\)) 时的最大得分。 如果两条路径当前位于同一格子,则只累加一次该格子的值;如果不在同一格子,则分别累加对应的值[^3]。 2. **初始化条件** 初始化起点 (\(dp[1][1][1][1]\)) 的初始值为网格中的第一个单元格值 \( grid[1][1] \)[^5]。 3. **转移方程** 对于每一个可能的状态 (\(x1,y1,x2,y2\)): - 假设可以从四个方向之一移动过来:上方或左侧。 - 更新公式如下: ```python if (x1 == x2 and y1 == y2): dp[x1][y1][x2][y2] = max( dp[x1-1][y1][x2-1][y2], # 上一步均为向上 dp[x1-1][y1][x2][y2-1], # 第一条路径向上,第二条向左 dp[x1][y1-1][x2-1][y2], # 第一条路径向左,第二条向上 dp[x1][y1-1][x2][y2-1] # 双方均向左 ) + grid[x1][y1] else: dp[x1][y1][x2][y2] = max( dp[x1-1][y1][x2-1][y2], dp[x1-1][y1][x2][y2-1], dp[x1][y1-1][x2-1][y2], dp[x1][y1-1][x2][y2-1] ) + grid[x1][y1] + grid[x2][y2] ``` 4. **边界处理** 需要特别注意越界情况以及当两条路径相交的情况下的特殊逻辑。 5. **优化空间复杂度** 使用滚动组技术来减少内存消耗。因为每次更新仅依赖前一时刻的据,故可将三维组压缩至两层循环内的二维存储结构[^5]。 6. **最终结果提** 结果存放在终点处的所有可能性之中最大的那个值里头,也就是遍历所有可能结束位置组合求得最大值作为答案返回给调用者函。 --- #### Python 实现代码 下面提供了一个基于上述理论框架的具体实现版本: ```python def max_sum_of_two_paths(grid): n = len(grid) # Initialize DP table with zeros. dp = {} # Initial state setup at the start point of both paths being same i.e., top-left corner. dp[(1, 1, 1, 1)] = grid[1][1] directions = [(0,-1), (-1,0)] for sum_steps in range(2, 2*n): new_dp = {} for pos1 in range(max(sum_steps-n+1,1), min(n,sum_steps)+1): pos2 = sum_steps - pos1 if not (1<=pos2<=n): continue for path1_dir in directions: prev_pos1_x = pos1-path1_dir[0] prev_pos1_y = pos2-path1_dir[1] if not (1<=prev_pos1_x<=n and 1<=prev_pos1_y<=n): continue for path2_dir in directions: prev_pos2_x = pos1-path2_dir[0] prev_pos2_y = pos2-path2_dir[1] if not (1<=prev_pos2_x<=n and 1<=prev_pos2_y<=n): continue key_prev = (prev_pos1_x, prev_pos1_y, prev_pos2_x, prev_pos2_y) if key_prev not in dp: continue current_key = (pos1,pos2,min(pos1,pos2),max(pos1,pos2)) value_to_add = ( grid[pos1][pos2] + ((grid[pos1][pos2]) if pos1 != pos2 or pos1==pos2 else 0 ) ) if current_key not in new_dp: new_dp[current_key] = dp[key_prev]+value_to_add else: new_dp[current_key] = max(new_dp[current_key], dp[key_prev]+value_to_add) dp = new_dp result = 0 for k,v in dp.items(): if v>result: result=v return result ``` --- #### 复杂度分析 时间复杂度主要由状态量决定,大约为 \(O(N^4)\),但由于实际计算过程中会有很多剪枝操作,通常运行效率较高。空间复杂度则通过滚动组降低到了 \(O(N^2)\)。 ---
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