hdoj1087 Super Jumping! Jumping! Jumping!(DP)
2016-03-23 10:03
302 查看
题意:
![](http://acm.hdu.edu.cn/data/images/1087-1.jpg)
并不是从start一步一步地走、一直走到end然后取最大值这么简单,而是在某一点上可以一次性走N步到达另一个店,比如这里“1”可以直接走到“2”(不过一定是从左到右,不能回头),不过这样的结果只是3了,不是最大值。所以,这是一个DP问题。其实,这是一个求LIS(最长上升子序列)的sum的问题,而这道题是“严格上升”。状态转移方程先写出来,等下再分析:
// origin[]为原数组,dp[]是在origin[]上进行动态规划的数组 // dp[i]表示“走到下标为i的这一点,所能得到的最大值” // 具体是从左到右遍历,因为题意就是从左往右走,也就只有一条路可走,不能回头 dp[i] = origin[i] + max(dp[j: 1...(i-1)]) // 前提是origin[i]要比origin[j]要大,因为只能往数值更大的点走
可以这样分析出状态转移(图丑了点不要介意……):
首先,从origin[1]出发,在这个位置所能到达的最大值(为了方便,下面就统称“max”)为1。所以dp[1]=1。
然后,因为origin[2]之前只有origin[1],而且origin[2]>origin[1],也就是可以从“1”跳到“3”,所以dp[2] = origin[2] + dp[1] = 3 + 1 = 4。
(之后的情况和2是一样的。)到了origin[3],因为在它之前,比它小的只有“1”,所以dp[3] = origin[3] + dp[1] = 2 + 1 = 3。
因为origin[4] = 5,比之前的所有origin值都要大,那么它就跟最大的dp值加起来,也就是dp[4] = origin[4] + dp[2] = 5 + 4 = 9。
最后,origin[5] = 4,因为能跳到“4”的只有“1”、“3”、“2”,所以取这三个数中最大的dp值也就是dp[2],所以dp[5] = origin[5] + dp[2] = 4 + 4 = 8。
最后,得到整个dp数组后,找到最大值(PS:最好是边更新dp边找最大值,这样就不用再遍历一遍。当然两种方法得到的OJ测试时间肯定是一样的,毕竟没有复杂度的差别),注意这里的最大值并不是通常所想的dp
。
代码(46ms, 1804KB):
#include <iostream> #include <cstring> // memset #include <algorithm> // max using namespace std; const int maxn(1001); int origin[maxn], dp[maxn]; int main() { // freopen("in.txt", "r", stdin); int n; while (cin >> n && n != 0) { memset(dp, 0, sizeof dp); for (int i = 1; i <= n; ++i) { cin >> origin[i]; } int result(-1); for (int i = 1; i <= n; ++i) { for (int j = i - 1; j >= 0; --j) { if (origin[i] > origin[j]) { dp[i] = max(dp[i], dp[j]); } } dp[i] += origin[i]; result = max(result, dp[i]); } cout << result << endl; } return 0; }
相关文章推荐
- C++动态规划之最长公子序列实例
- C++动态规划之背包问题解决方法
- C#使用动态规划解决0-1背包问题实例分析
- 动态规划
- C++ 动态规划
- DP(动态规划) 解游轮费用问题
- 动态规划的用法——01背包问题
- 动态规划的用法——01背包问题
- 《收集苹果》 动态规划入门
- 《DNA比对》蓝桥杯复赛试题
- 《背包问题》 动态规划
- 自顶向下动态规划解决最长公共子序列(LCS)问题
- 初学ACM - 半数集(Half Set)问题 NOJ 1010 / FOJ 1207
- 关于爬楼梯的动态规划算法
- 动态规划 --- hdu 1003 **
- DP问题各种模型的状态转移方程
- 0-1背包解题过程
- 背包问题
- USACO 3.2.2:Stringsobits
- 字符串编辑距离