[NOIp2000提高组]方格取数

本文解析了NOIp2000提高组第四题——方格取数,采用四维动态规划解决问题。通过寻找两条路径在每个节点上的最大值,并考虑不同方向转移的情况,最终求得从起点到终点的最大得分。

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

[NOIp2000提高组_T4]方格取数

这道题主要考验的是对DP的理(nao)解(dong)

四维DP很好理解

dp[i][j][k][p]表示第一条路径走到i,j、第二条路径走到k,p时的最大值

所以就要知道i,j、k,p上一步的最大值

分别是:i-1,k-1(向上)

        j-1,p-1(向左)

        i-1,p-1(第一条路径向上,第二条路径向左)

        j-1,k-1(第一条路径向左,第二条路径向上)

要求最大值可得方程:

 

buf=max(dp[i-1][j][k-1][p],dp[i][j-1][k][p-1]);
buf=max(buf,max(dp[i-1][j][k][p-1],dp[i][j-1][k-1][p]));
dp[i][j][k][p]=buf+f[i][j];

 

 

 

 


 

 

 

 1 #include<iostream>
 2 #include<stdio.h>
 3 using namespace std;
 4 int n,x,y,z,buf,f[20][20],dp[20][20][20][20];
 5 int main()
 6 {
 7     scanf("%d",&n);
 8     while(~scanf("%d%d%d",&x,&y,&z))
 9         f[x][y]=z;
10     for(int i=1;i<=n;++i)
11     {
12         for(int j=1;j<=n;++j)
13         {
14             for(int k=1;k<=n;++k)
15             {
16                 for(int p=1;p<=n;++p)
17                 {
18                     //选取上一步的最优路径 
19                     buf=max(dp[i-1][j][k-1][p],dp[i][j-1][k][p-1]);
20                     buf=max(buf,max(dp[i-1][j][k][p-1],dp[i][j-1][k-1][p]));
21                     //加上这个点的数值 
22                     dp[i][j][k][p]=buf+f[i][j];
23                     //如果这个点没有被重复走,那么再加一次 
24                     if(i!=k && j!=p)
25                         dp[i][j][k][p]+=f[k][p];
26                 }
27             }
28         }
29     }
30     printf("%d",dp[n][n][n][n]);
31 }

 

转载于:https://www.cnblogs.com/__Kgds/p/9511544.html

### NOIP 2000 提高 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