初识动归（DP）：POJ3176--Cow Bowling

SonpKing

于 2016-08-17 16:51:47 发布

阅读量606

点赞数

CC 4.0 BY-SA版权

分类专栏： ACM之策略篇文章标签： DP 动态规划 POJ

本文链接：https://blog.csdn.net/sonpking/article/details/52232418

ACM之策略篇专栏收录该内容

5 篇文章

订阅专栏

本文介绍了一种使用动态规划解决行走路径最大距离问题的方法。通过递推关系找到最优解，利用一维数组不断更新最大距离。代码示例展示了如何实现这一算法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程最优化的数学方法，也是ACM竞赛中最常用的算法之一。运用动态规划的题目常常会存在从状态i到状态i+1的递推关系，找出这个状态转移方程是这类题目的核心。本题中，将牛每前进一步看做一个状态，很容易导出第i+1步和第i步所走长度的关系，注意处理边界点0、i+1。设dp[i][j]为牛第i步行走到j(j<i)点经过的最大距离，因为走过i+1后i步的信息没有用了，所以只要不断更新dp[j]这个一维数组就行了。原题链接

#include <iostream>

using namespace std;

const int maxn=351;

int main()
{
    int n,dp[maxn]={0},data[maxn][maxn],large=0;
    cin>>n;
    for(int i=0;i<n;i++)
        for(int j=0;j<=i;j++) cin>>data[i][j];
    for(int i=0;i<n;i++){
        for(int j=i;j>0;j--)    ///此处不可以用j++，否则dp[j-1]就不是dp[i-1][j-1]而是dp[i][j-1]
            dp[j]=max(dp[j-1],dp[j])+data[i][j];
            dp[0]+=data[i][0];
    }
    for(int i=0;i<n;i++) large=max(large,dp[i]);
    cout<<large<<endl;
    return 0;
}