博客
关于我
Codeforces Round #131 (Div. 1) C. Relay Race(棋盘DP)
阅读量:388 次
发布时间:2019-03-05

本文共 1716 字,大约阅读时间需要 5 分钟。

在这个问题中,我们需要计算两个从对角线的两个端点出发的移动者在n×n网格中相遇时的总分。第一个移动者从(1,1)出发,只能向右或向下移动;第二个移动者从(n,n)出发,只能向左或向上移动。每当他们走到同一个格子时,只累加一次该格子的分数。

动态规划的思路

我们可以使用动态规划来解决这个问题。定义状态dp[i][j][k]为第一个移动者走了i步,第二个移动者走了k步,此时第一个移动者位于第j行,第二个移动者位于第k行。由于每一步移动都会改变行或列的位置,且每个移动者的移动方向有限制,我们可以通过状态转移来计算最终的总分。

状态转移方程

对于每一个状态i(即两人都走了i步),我们需要考虑第一个移动者和第二个移动者在i-1步时的可能位置,然后计算他们移动到当前位置的最大总分。

具体来说,第一个移动者在第i步可以从:

  • 左边(i-1, j)
  • 上边(j, i-1)
  • 左上角(i-1, j-1)

第二个移动者在第i步可以从:

  • 上边(i-1, k)
  • 左边(k, i-1)
  • 左上角(i-1, k-1)

对于每一种可能的转移,我们计算对应的分数,并将其与当前状态dp[i][j][k]进行比较,取最大值作为新的状态值。

代码实现

#include 
using namespace std;typedef long long ll;const int maxn = 305;const int inf = 0x3f3f3f3f;int n, dp[maxn][maxn][maxn];ll a[maxn][maxn];int main() { scanf("%d", &n); for (int i = 1; i <= n; ++i) { for (int j = 1; j <= n; ++j) { scanf("%d", &a[i][j]); } } memset(dp, -inf, sizeof(dp)); dp[1][1][1] = a[1][1]; for (int i = 1; i <= 2 * n - 1; ++i) { for (int j = 1; j <= n; ++j) { for (int k = 1; k <= n; ++k) { if (j > i || k > i) continue; if (j < 1 || k < 1) continue; int temp = a[j][i - j + 1] + (j != k ? a[k][i - k + 1] : 0); dp[i][j][k] = max( dp[i-1][j][k] + temp, dp[i-1][j-1][k] + temp, dp[i-1][j][k-1] + temp, dp[i-1][j-1][k-1] + temp ); } } } cout << dp[2 * n - 1][n][n] << endl;}

代码解释

  • 初始化:读取输入并初始化动态规划数组dpdp[1][1][1]设置为起点的分数。

  • 填充状态:通过三重循环遍历每一个可能的状态i(即两人走了i步)。对于每一个状态,计算第一个移动者和第二个移动者可能的转移位置,并更新当前状态的最大分数。

  • 输出结果:最终输出dp[2n-1][n][n],即两人都走了2n-1步后,第一个移动者到达(n,n),第二个移动者也到达(n,n)的最大总分。

  • 这种方法通过动态规划有效地计算了两移动者的路径分数之和,确保了所有可能的路径都被考虑进去了。

    转载地址:http://leewz.baihongyu.com/

    你可能感兴趣的文章
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    NISP国家信息安全水平考试,收藏这一篇就够了
    查看>>
    NIS服务器的配置过程
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NiuShop开源商城系统 SQL注入漏洞复现
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>