Noip2000方格取数

  • 要回来重新准备noip了
    以前这个题目直接上费用流的,但多线程dp不可不学。

  • 以斜线划分阶段,共2*n-1个。用f[k][i][j]表示走到第k条斜线时两条路分别经过斜线上的第i个格子和第j个格子所取得的最大数字和。这两个格子可以表示为(k-i+1, i),(k-j+1, j)。

  • 同时,同一阶段中每条路上的每个格子都可以分别从上一个阶段的2个格子走过来,即状态f[k][i][j]可由4个状态转移过来。画图分析发现它们分别是f[k-1][i-1][j-1], f[k-1][i-1][j], f[k-1][i][j-1], f[k-1][i][j]。4者取最大值加入f[k][i][j],再加上(k-i+1, i),(k-j+1, j)的数字(若是同一个格子则只加一次)即为最终的f[k][i][j]的值。最终答案在(n,n),即f[n*2-1][n][n]。注意最好判断一下当前的kij是否对应一个n*n图中真实存在的点。

  • Code:

#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn = 15;
int n, map[maxn][maxn], f[maxn<<1][maxn][maxn];
inline void read(int &a) {
    int f = 1;
    char c = getchar();
    a = 0;
    while(c < '0' || c > '9') {
        if(c == '-') f = -1;
        c = getchar();
    }
    while(c >= '0' && c <= '9') {
        a = a*10 + c - 48;
        c = getchar();
    }
    a *= f;
}
inline void write(int a) {
    int t = 0;
    char c[30];
    if(a < 0) { putchar('-'); a = -a; }
    do {
        c[t++] = a%10 + 48;
        a /= 10;
    } while(a);
    while(t--) putchar(c[t]);
    putchar('\n');
}
inline void init() {
    read(n);
    int a , b, c;
    read(a); read(b); read(c);
    do {
        map[a][b] = c;
        read(a); read(b); read(c);
    } while(a != 0 && b != 0 && c != 0);
}
inline void work() {
    for(int k = 1; k < (n<<1); ++k)
        for(int i = 1; i <= n; ++i) for(int j = 1; j <= n; ++j) {
            if(i > k) continue;
            if(j > k) continue;
            if(k - i + 1 > n) continue;
            if(k - j + 1 > n) continue;
            f[k][i][j] = max(max(f[k-1][i-1][j-1], f[k-1][i-1][j]), max(f[k-1][i][j-1], f[k-1][i][j]));
            f[k][i][j] += map[k-i+1][i];
            if(i != j) f[k][i][j] += map[k-j+1][j];
        }
    write(f[(n<<1)-1][n][n]);
}
int main() {
    init();
    work();
    return 0;
}
### 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