动态规划奥赛完整版本.docVIP

第八章 动态规划 引言 在分治法一章中，为了解决一个大的问题，我们总是想方设法把它分成两个或多个更小的问题；然后分别解决每个小问题；再把各小问题的解答组合起来，即可得到原问题的解答；小问题通常与原问题本质相似，只是规模小些，一般都可以用递归的方法来解决，如hanoi塔问题和快速排序都是应用这种方法的典型例子。然而常常有些问题难以用分治法来求解，当把问题分解成若干个子问题，使之能够从这些子问题的解得到原问题的解时，子问题的数目太多，这样，如果把每个子问题再分解，必将得到更多的子问题，以至于最后解决问题需要耗费指数时间。往往在这类问题中子问题的数目其实只有多项式多个，于是在上述算法中，一定有些子问题被重复计算了许多次。如果我们能够保存已解决的子问题的答案，而在需要时简单查一下，这样我们就可以避免大量的重复计算，从而得到多项式时间的算法。 为了实现上述方法，我们用一个数组来记录所有已解决的子问题的答案。无论子问题以后是否被用到，只要它被计算过，就将其结果存入数组中，这种方法在程序设计中被称为动态规划，请看下面的实例。 例8_1: 数字三角形(IOI94) [问题描述] 如下所示为一个数字三角形： 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 请编一个程序计算从顶至底的某处的一条路径，使该路径所经过的数字的总和最大。 　● 每一步可沿直线向下或右斜线向下走； 　● 1＜三角形行数≤100； 　● 三角形中的数字为整数0，1，……，99； [输入] 输入文件第一行为一个自然数，表示数字三角形的行数n，接下来的n行表示一个数字三角形。 [输出] 输出文件仅有一行包含一个整数表示要求的最大总和。 [输入样例] 5 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 [输出样例] 30 [问题分析] 假设从顶至数字三角形的某一位置的所有路径中，所经过的数字的总和最大的那条路径我们称之为该位置的最大路径。由于问题规定每一步只能沿直线或右斜线向下走，若要走到某一位置，则其前一位置必为其左上方或正上方两个位置之一，由此可知，当前位置的最优路径必定与其左上方或正上方两个位置的最优路径有关，且来自于其中更优的一个。 我们可以用一个两维数组a记录数字三角形中的数，a[I,j]表示数字三角形中第I行第j列的数，再用一个两维数组maxsum记录每个位置的最优路径的数字总和。计算maxsum数组可以象计算杨辉三角一样用逐行递推的方法实现，具体细节请看程序清单。 [参考程序] Program p8_1(Input, Output)； const maxline=100； var i,j,t,line:integer； a,max:array [1..maxline,1..maxline] of integer；function maxsum(i,j:integer):integer； begin if i=line then maxsum:=a[i,j] else if maxsum(i+1,j)maxsum(i+1,j+1) then maxsum:=maxsum(i+1,j)+a[i,j] else maxsum:=maxsum(i+1,j+1)+a[i,j] end；begin {main} write(Input number of line(=100):)； readln(line)； for i:=1 to line do begin for j:=1 to i do begin a[i,j]:=random(99)+1； write(a[i,j]:3) end； writeln end； writeln； writeln(Maxsum=,maxsum(1,1))； max[1,1]:=a[1,1]； for i:=2 to line do begin max[i,1]:=max[i-1,1]+a[i-1,1]； for j:=2 to i-1 do if a[i,j]+max[i-1,j]=a[i,j]+max[i-1,j-1] then max[i,j]:=a[i,j]+max[i-1,j] else max