1068 乌龟棋

本文介绍了一款名为“乌龟棋”的游戏,玩家需合理安排不同步长的卡片使用顺序,以使乌龟棋子从起点到终点的路径上获得最高得分。文章通过两种算法实现这一目标:一是递归搜索法,二是动态规划法。
1068 乌龟棋
 时间限制: 1 s
 空间限制: 128000 KB
 题目等级 : 钻石 Diamond

题目描述 Description
小明过生日的时候,爸爸送给他一副乌龟棋当作礼物。 乌龟棋的棋盘是一行N个格子,每个格子上一个分数(非负整数)。
棋盘第1格是唯一 的起点,第N格是终点,游戏要求玩家控制一个乌龟棋子从起点出发走到终点。
…… 1 2 3 4 5 ……N 乌龟棋中M张爬行卡片,分成4种不同的类型(M张卡片中不一定包含所有4种类型 的卡片,见样例),
每种类型的卡片上分别标有1、2、3、4四个数字之一,表示使用这种卡 片后,乌龟棋子将向前爬行相应的格子数。
游戏中,玩家每次需要从所有的爬行卡片中选择 一张之前没有使用过的爬行卡片,控制乌龟棋子前进相应的格子数,每张卡片只能使用一次。
游戏中,乌龟棋子自动获得起点格子的分数,并且在后续的爬行中每到达一个格子,就得到 该格子相应的分数。
玩家最终游戏得分就是乌龟棋子从起点到终点过程中到过的所有格子的 分数总和。 
很明显,用不同的爬行卡片使用顺序会使得最终游戏的得分不同,小明想要找到一种卡 片使用顺序使得最终游戏得分最多。
现在,告诉你棋盘上每个格子的分数和所有的爬行卡片,你能告诉小明,他最多能得到 多少分吗?

输入描述 Input Description
输入的每行中两个数之间用一个空格隔开。 第1行2个正整数N和M,分别表示棋盘格子数和爬行卡片数。 第2行N个非负整数,a1a2……aN

,其中ai表示棋盘第i个格子上的分数。 第3行M个整数,b1b2……bM

,表示M张爬行卡片上的数字。 输入数据保证到达终点时刚好用光M张爬行卡片,即N - 1=∑(1->M) bi

输出描述 Output Description
输出一行一个整数

样例输入 Sample Input
13 8

4 96 10 64 55 13 94 53 5 24 89 8 30

1 1 1 1 1 2 4 1

样例输出 Sample Output
455

数据范围及提示 Data Size & Hint
对于30%的数据有1 ≤ N≤ 30,1 ≤M≤ 12。
对于50%的数据有1 ≤ N≤ 120,1 ≤M≤ 50,且4 种爬行卡片,每种卡片的张数不会超
过20.
对于100%的数据有1 ≤ N≤ 350,1 ≤M≤ 120,且4 种爬行卡片,每种卡片的张数不会
超过40;0 ≤ ai ≤ 100,1 ≤ i ≤ N;1 ≤ bi ≤ 4,1 ≤ i ≤M。输入数据保证N?1=ΣMi b1

*******************************************定好状态是关键,不应该是f[i]记录到当前格子最优解,因为有的格子是到不了的
**********************************这样做会超时。只需要记录到目前使用多少卡片的最优解就行了(感受一下) 


**一开始的搜索超时了八个点!**
 
#include<iostream>
#include<string.h>
#include<cstdio>

using namespace std;

int n,m,v[351],c[161];
bool usec[161];
int f[351];

void dp(int ngrid,int nvalue)
{
	if(ngrid == n)
	{
		if(f[n] < nvalue) f[n] = nvalue;
		return;
	}
	if(f[ngrid])
	{
		if(f[ngrid] < nvalue) f[ngrid] = nvalue;
		return;
	}
	int i;
	for(i = 1; i <= m; i++)
	{
		if(!usec[i])
		{
			usec[i] = 1;
			dp(ngrid+c[i],nvalue+v[ngrid+c[i]]);
			usec[i] = 0;
		}
	}
}

int main()
{
	freopen("in.txt","r",stdin);
	memset(usec,0,sizeof(usec));
	memset(f,0,sizeof(f));
	int i,j;
	cin>>n>>m;
	for(i = 1; i <= n; i++)
	{
		cin>>v[i];
	}
	for(i = 1; i <= m; i++)
	{
		cin>>c[i];
	}
	dp(1,v[1]);
	cout<<f[n]<<endl;
	return 0;
} 

**四维**

#include<iostream>
#include<string.h>
#include<cstdio>
#include<algorithm>

using namespace std;

int f[42][42][42][42],v[351];
int c[4];

int main()
{
	memset(f,0,sizeof(f));
	memset(c,0,sizeof(c));
	int i,j,k,l,n,m;
	cin>>n>>m;
	for(i = 1; i <= n; i++)
	{
		cin>>v[i];
	}
	for(i = 1; i <= m; i++)
	{
		cin>>j;
		c[j]++;
	}
	f[0][0][0][0] = v[1];
	for(i = 1; i <= c[1]+1; i++)
	{
		for(j = 1; j <= c[2]+1; j++)
		{
			for(k = 1; k <= c[3]+1; k++)
			{
				for(l = 1; l <= c[4]+1; l++)
				{
					f[i][j][k][l] = max( max(f[i-1][j][k][l],f[i][j-1][k][l]) , max(f[i][j][k-1][l],f[i][j][k][l-1]) )
					   + v[i + j*2 + k*3 + l*4 - 9];
				}
			}
		}
	}
	cout<<f[c[1]+1][c[2]+1][c[3]+1][c[4]+1]<<endl;
	return 0;
}

### 乌龟问题的动态规划求解方法 乌龟问题可以通过动态规划算法进行求解,目标是找到一条路径,使得从起点到终点的过程中,经过的格子的分数总和最大。问题的关键在于卡片的使用顺序和路径的选择。 #### 问题建模 假设盘是一个线性结构,子从起点出发,每一步通过使用一张卡片(卡片上的数字代表移动的步数)前进相应格子数,直到终点。每到达一个格子,子获得该格子的分数。目标是找到一种卡片使用顺序,使得总得分最大。 #### 动态规划状态设计 设 `dp[a][b][c][d]` 表示使用了 `a` 张 1 类卡片、`b` 张 2 类卡片、`c` 张 3 类卡片和 `d` 张 4 类卡片后,所能获得的最大得分。此时,子的位置为 `1*a + 2*b + 3*c + 4*d`,即通过卡片的总步数决定当前位置。 状态转移方程如下: - 如果当前使用了一张 1 类卡片,则状态可以从 `dp[a-1][b][c][d]` 转移而来; - 如果当前使用了一张 2 类卡片,则状态可以从 `dp[a][b-1][c][d]` 转移而来; - 如果当前使用了一张 3 类卡片,则状态可以从 `dp[a][b][c-1][d]` 转移而来; - 如果当前使用了一张 4 类卡片,则状态可以从 `dp[a][b][c][d-1]` 转移而来。 因此,状态转移方程为: ```cpp dp[a][b][c][d] = max( dp[a-1][b][c][d], dp[a][b-1][c][d], dp[a][b][c-1][d], dp[a][b][c][d-1] ) + score[1*a + 2*b + 3*c + 4*d]; ``` 其中,`score[pos]` 表示位置 `pos` 的分数。 #### 初始状态 初始状态为 `dp[0][0][0][0] = score[0]`,表示起点位置的分数。 #### 状态转移顺序 状态转移的顺序应按照卡片使用的数量递增的方式进行,即从小到大遍历 `a`、`b`、`c` 和 `d` 的值。 #### 最终结果 最终结果为 `dp[card1][card2][card3][card4]`,其中 `card1`、`card2`、`card3` 和 `card4` 分别表示四类卡片的总使用数量。 #### 示例代码 以下是一个动态规划求解乌龟问题的示例代码: ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; int main() { int n, m; cin >> n >> m; vector<int> score(n); for (int i = 0; i < n; ++i) { cin >> score[i]; } int card[5] = {0}; // 卡片类型1-4的数量 for (int i = 0; i < m; ++i) { int type; cin >> type; card[type]++; } // 初始化DP数组 int dp[card[1]+1][card[2]+1][card[3]+1][card[4]+1]; for (int a = 0; a <= card[1]; ++a) for (int b = 0; b <= card[2]; ++b) for (int c = 0; c <= card[3]; ++c) for (int d = 0; d <= card[4]; ++d) dp[a][b][c][d] = 0; dp[0][0][0][0] = score[0]; // 起点分数 for (int a = 0; a <= card[1]; ++a) for (int b = 0; b <= card[2]; ++b) for (int c = 0; c <= card[3]; ++c) for (int d = 0; d <= card[4]; ++d) { int pos = a * 1 + b * 2 + c * 3 + d * 4; if (pos >= n) continue; if (a > 0) dp[a][b][c][d] = max(dp[a][b][c][d], dp[a-1][b][c][d] + score[pos]); if (b > 0) dp[a][b][c][d] = max(dp[a][b][c][d], dp[a][b-1][c][d] + score[pos]); if (c > 0) dp[a][b][c][d] = max(dp[a][b][c][d], dp[a][b][c-1][d] + score[pos]); if (d > 0) dp[a][b][c][d] = max(dp[a][b][c][d], dp[a][b][c][d-1] + score[pos]); } cout << dp[card[1]][card[2]][card[3]][card[4]] << endl; return 0; } ``` #### 时间复杂度分析 - 状态总数为 `card[1] * card[2] * card[3] * card[4]`,假设卡片数量为 `m`,则时间复杂度为 `O(m^4)`。 - 每个状态的转移需要常数时间,因此总体时间复杂度为 `O(m^4)`。 #### 空间复杂度分析 - 使用了一个四维数组 `dp`,空间复杂度为 `O(m^4)`。 通过上述动态规划方法,可以高效求解乌龟问题的最大得分。
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