算法第三章上机实践报告

时间:2019-10-20
本文章向大家介绍算法第三章上机实践报告,主要包括算法第三章上机实践报告使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

第一题:

题目描述:

 

算法描述:

很显然这道题我们要用动态规划来做。我们需要动态的求出每个往下走能的得到的最大的和

我们用一个dp【】数组来记录每个位置上能取到的最大的和,数组a【】为这个位置上本身的值。

很显然,从顶点开始(设顶点为1)我们比较与它相连的两个点(设为2,3)的dp【2】,dp【3】取较大那个然后加上它本身a【1】就是答案。

然后用递归的思想,dp【2】就是它的dp【4】,dp【5】中较大的加上它本身。

一直到最后一行的dp【】就是它自己本身a【】。

即状态转移方程为  dp【i】【j】=a【i】【j】+max(dp【i+1,j】,dp【i+1,j+1】)

AC代码:

 1 #include <iostream>
 2 #include<algorithm>
 3 using namespace std;
 4 int n,a[101][101],dp[101][101];
 5 int DP(int i,int j){
 6 if(dp[i][j]>0) return dp[i][j];//代码优化,已经计算过的直接返回避免重复计算,降低复杂度
 7 return dp[i][j]=a[i][j]+((i==n)?0:max(DP(i+1,j),DP(i+1,j+1)));
 8 }
 9 int main() {
10 cin>>n;
11 for (int i = 1; i <=n; i++) 
12 for(int j=1;j<=i;j++)
13 cin>>a[i][j];
14 cout<<DP(1,1)<<'\n';
15 return 0;
16 }
View Code

复杂度分析:

因为我代码本身已经优化了,不会重复计算已经算过的dp【】【】值,所以算法时间复杂度为 O(n^2);

二维数组dp【】【】保存每个子问题的解,空间复杂度为O(n^2)

心得体会:

复习了动态规划算法,加强了对动态规划算法的理解和认识,并且上机实践加强了敲代码的能力。

原文地址:https://www.cnblogs.com/1807tangjr/p/11707508.html