hdu2084 - 数塔 (经典dp)

本文介绍了一个经典的动态规划问题——数塔问题,并提供了两种不同的实现方式,通过自底向上的递推公式解决了如何从数塔顶部走到底部,使得路径上的数字之和最大的问题。

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

数塔

Time Limit: 1000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 20737    Accepted Submission(s): 12462


Problem Description
在讲述DP算法的时候,一个经典的例子就是数塔问题,它是这样描述的:

有如下所示的数塔,要求从顶层走到底层,若每一步只能走到相邻的结点,则经过的结点的数字之和最大是多少?

已经告诉你了,这是个DP的题目,你能AC吗?
 

Input
输入数据首先包括一个整数C,表示测试实例的个数,每个测试实例的第一行是一个整数N(1 <= N <= 100),表示数塔的高度,接下来用N行数字表示数塔,其中第i行有个i个整数,且所有的整数均在区间[0,99]内。
 

Output
对于每个测试实例,输出可能得到的最大和,每个实例的输出占一行。
 

Sample Input
  
1 5 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5
 

Sample Output
  
30
 

Source
 
 
    最近一直研究图论,研究MST(最小生成树)算法,需要学习并查集,而并查集又是树结构,所以又去复习树去了,而最初的目的我只是想学习dp而已,我学完图的2种经典邻接结构时我认为我已经能做出数塔问题了(当初卡在数塔的结构问题上),好长时间没刷题了,今天花了几分钟完成它。
 
 
         这道题我用自底向上递推 公式: vexs(i, j) = vexs(i, j) + Max{vexs(i+1, j), vexs(i+1, j+1)}     
/******************************
*
*	acm: hdu-2084
*
*	title: 数塔
*
*	time : 2014.6.5
*
*******************************/

//经典dp

#include <stdio.h>
#include <stdlib.h>

#define MAXVEX 101

typedef int VertexType;

VertexType vexs[MAXVEX][MAXVEX];

//dp方程,得到最优指标
//vexs(i, j) = vexs(i, j) + Max{vexs(i+1, j), vexs(i+1, j+1)}
void Max(int i, int j)
{
    if (vexs[i+1][j] > vexs[i+1][j+1])
    {
        vexs[i][j] += vexs[i+1][j];
    }
    else
    {
        vexs[i][j] += vexs[i+1][j+1];
    }
}

int main()
{
    int C;
    int N;
    int i;
    int j;
    int k = 0;

    scanf("%d", &C);

    while (k < C)
    {
        scanf("%d", &N);  //数塔的行数
        for (i = 0; i < N; i++)
        {
            for (j = 0; j <= i; j++)
            {
                scanf("%d", &vexs[i][j]);
            }
        }

        for (i = N-2; i >= 0; i--)  //行序号
        {
            for (j = 0; j <= i; j++) //列序号
            {
                Max(i, j);
            }
        }

        printf("%d\n", vexs[0][0]);

        k++;
    }

    return 0;
}
         规划规格(一样的),上面的程序用坐标当做参数,下面程序用数值代表参数。
         公式:DP(i,j) = DP(i,j)+max{DP(i+1,j) , DP(i+1,j+1)},  最终得到DP(0,0)为止 
/******************************
*
*	acm: hdu-2084
*
*	title: 数塔
*
*	time : 2014.6.5
*
*******************************/

//经典dp

#include <stdio.h>
#include <stdlib.h>

#define MAXVEX 101

typedef int VertexType;

VertexType vexs[MAXVEX][MAXVEX];

//dp方程,得到最优指标
//DP(i,j) = DP(i,j)+max{DP(i+1,j) , DP(i+1,j+1)}
int DP(int x, int y)     //得到max最大点
{
	return x > y ? x : y;
}

int main()
{
    int C;
    int N;
    int i;
    int j;
    int k = 0;

    scanf("%d", &C);

    while (k < C)
    {
        scanf("%d", &N);  //数塔的行数
        for (i = 0; i < N; i++)
        {
            for (j = 0; j <= i; j++)
            {
                scanf("%d", &vexs[i][j]);
            }
        }

        for (i = N-2; i >= 0; i--)  //行序号
        {
            for (j = 0; j <= i; j++) //列序号
            {
                vexs[i][j] += DP(vexs[i+1][j], vexs[i+1][j+1]);
            }
        }

        printf("%d\n", vexs[0][0]);

        k++;
    }

    return 0;
}


 
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参,直接使用开源模型参。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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