动态规划练习题-9(移动路线)

本文介绍了一个经典的递归问题——计算蚂蚁从左下角到右上角的所有可能路径数量。使用了数组记忆化搜索的方法,避免重复计算,提高效率。

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

×桌子上有一个m行n列的方格矩阵,将每个方格用坐标表示,行坐标从下到上依次递增,列坐标从左至右依次递增,左下角方格的坐标为(1,1),则右上角方格的坐标为(m,n)。
小明是个调皮的孩子,一天他捉来一只蚂蚁,不小心把蚂蚁的右脚弄伤了,于是蚂蚁只能向上或向右移动。小明把这只蚂蚁放在左下角的方格中,蚂蚁从
左下角的方格中移动到右上角的方格中,每步移动一个方格。蚂蚁始终在方格矩阵内移动,请计算出不同的移动路线的数目。
对于1行1列的方格矩阵,蚂蚁原地移动,移动路线数为1;对于1行2列(或2行1列)的方格矩阵,蚂蚁只需一次向右(或向上)移动,移动路线数也为1……
递归水题,反正就两种情况,向右向下,递归求,数组记忆化搜索,当然我是反着做的,就是倒回去,向左或向上,都一样
#include<iostream>
#include<string.h>
using namespace std;
int a[21][21];
int f(int x,int y)
{
	if(a[x][y]!=0){return a[x][y];}
	if(x==1&&y==1){return 1;}
	if(x<1||y<1){return 0;}
	a[x][y]=f(x-1,y)+f(x,y-1);
	return a[x][y];
}
int main()
{
	int m,n,k;
	memset(a,0,sizeof(a));
	cin>>m>>n;
	k=f(m,n);
	cout<<k;
}
### 动态规划算法解决多段图最短路径问题 #### 定义与背景 在处理最短路径问题时,动态规划提供了一种高效的方法来找到从起点到终点的最佳路径。对于多段图而言,这类问题是典型的动态规划应用场景之一。多段图是指节点被划分为多个阶段或层次的有向加权图,每一段内的任意两个结点之间不存在边连接[^1]。 #### 解决方案概述 为了应用动态规划方法求解此类问题,通常会定义状态转移方程以及初始化条件。具体来说: - **状态表示**:设`d[i][j]`代表从第i段到达第j个节点所需的最小花费。 - **初始设置**:如果存在直接通往第二层某些节点的道路,则这些道路的成本即为对应的`d[1][j]`值;其他情况下,默认赋极大值(无穷大),因为尚未访问过那些位置。 - **递推关系**:对于每一个可能的目标节点k,在其前驱集合{p}内遍历所有可选路径,并更新当前最优解:`d[i][k]=min(d[i−1][p]+cost(p,k))`,这里`cost(p, k)`指的是从前一阶段中的某个特定点移动至下一阶段指定目的地所需支付的价格标签[^2]。 #### Python代码实现示例 下面是基于上述原理编写的Python程序片段用于演示如何运用动态规划技术计算给定多段图中最优路线: ```python import numpy as np def shortest_path_multistage_graph(graph_matrix): num_stages = len(graph_matrix) # 获取总共有多少级/ dp_table = [[float(&#39;inf&#39;)]*len(row) for row in graph_matrix] # 初始化起始阶段成本矩阵的第一(假设只有第一个元素有效) dp_table[0][0] = 0 # 填充DP表 for stage_index in range(1, num_stages): # 遍历每一级 current_stage_nodes_count = len(graph_matrix[stage_index]) for node_in_current_stage in range(current_stage_nodes_count): prev_stage_node_costs = dp_table[stage_index - 1] min_cost_to_reach_here = float(&#39;inf&#39;) for previous_node_idx, cost_from_prev in enumerate(prev_stage_node_costs): edge_weight = graph_matrix[previous_node_idx][node_in_current_stage] if not np.isnan(edge_weight): # 如果两者间确实有一条边相连 total_temporary_cost = cost_from_prev + edge_weight if total_temporary_cost < min_cost_to_reach_here: min_cost_to_reach_here = total_temporary_cost dp_table[stage_index][node_in_current_stage] = min_cost_to_reach_here final_minimal_cost = min(dp_table[-1]) # 找到最后一个阶段里最低的那个数值作为整体的结果返回 return final_minimal_cost ``` 该函数接受一个多维表形式输入参数graph_matrix,其中每个表对应于不同级别的邻接权重数组。注意这里的NaN用来标记两节点间无连通情况下的特殊情形[^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